Neue Erkenntnisse über das Multisystemische Entzündungssyndrom bei Kindern
Eine Studie zeigt verschiedene Cluster von MIS-C-Symptomen und deren Schweregrad bei Kindern.
― 6 min Lesedauer
Inhaltsverzeichnis
Das multisystemische entzündliche Syndrom bei Kindern, bekannt als MIS-C, ist ein ernsthaftes Problem, das bei Kindern auftreten kann, nachdem sie COVID-19 hatten. Es tritt normalerweise etwa 2 bis 6 Wochen nach der Infektion mit dem Virus auf, das COVID-19 verursacht. Man glaubt, dass MIS-C mit der Reaktion des Immunsystems nach der Infektion zusammenhängt.
Stand April 2024 gab es fast 10.000 gemeldete Fälle von MIS-C in den USA, mit einigen Todesfällen. Die Erkrankung scheint bestimmte Rassen- und Ethnien mehr zu betreffen als andere, besonders in den frühen Tagen der Pandemie. Kinder mit MIS-C kommen oft mit hohem Fieber, Bauchproblemen wie Erbrechen und Durchfall, Herzproblemen sowie Haut- oder Augenproblemen wie Ausschlägen und Rötungen ins Krankenhaus.
Um MIS-C-Fälle zu identifizieren und zu verfolgen, hat das Center for Disease Control and Prevention (CDC) im Mai 2020 eine Falldefinition erstellt. Diese Definition umfasste mehrere Kriterien, wie die Tatsache, dass es sich um ein Kind unter 21 Jahren handelt, das Fieber hat und Krankenhauspflege benötigt, mehrere Organsysteme betroffen sind, Anzeichen einer Entzündung vorliegen und ein Nachweis einer kürzlichen COVID-19-Infektion besteht oder es keine andere klare Diagnose für die Symptome gibt. Die Definition war weit gefasst, um so viele Fälle wie möglich zu erfassen. Im Januar 2023 aktualisierte das CDC die Surveillance-Definition für MIS-C, um sie genauer zu machen und die Menge an unnötigen Meldungen zu reduzieren.
Die Herausforderung bei der Diagnose von MIS-C
Die Diagnose von MIS-C kann schwierig sein, da die Symptome anderen Erkrankungen ähneln können, wie akutem COVID-19, Kawasaki-Krankheit und toxischem Schocksyndrom. Diese Überlappung kann die richtige Diagnose und Behandlung verzögern. Die Schwere von MIS-C kann von Kind zu Kind erheblich variieren, wobei einige schwere Komplikationen wie Schock erleiden oder intensivmedizinische Betreuung benötigen. Während es bekannte Risikofaktoren für schwere Fälle gibt, haben Forscher noch viel zu lernen, was einige Fälle schlimmer macht als andere.
Angesichts der Vielzahl von Symptomen und Schweregraden gibt es einen Vorschlag, dass verschiedene Typen oder Phänotypen von MIS-C existieren. Diese unterschiedlichen Typen zu identifizieren, könnte zu einem besseren Verständnis der Erkrankung führen, helfen, klinische Studien zu Behandlungen zu entwerfen und die Falldefinitionen in epidemiologischen Studien zu verbessern. Frühere Forschungen haben statistische Methoden verwendet, um MIS-C-Präsentationen zu klassifizieren, aber viele dieser Studien hatten nur begrenzte Proben und geografische Vielfalt. Zudem haben einige frühere Studien Symptome zu breit gruppiert und wichtige Details im Zusammenhang mit der Schwere der Symptome übersehen.
Veränderungen im Bereich von MIS-C
Seit den frühen Tagen der COVID-19-Pandemie hat sich das Verständnis und die Meldung von MIS-C verändert. Die Gesamtzahl der MIS-C-Fälle ist gesunken, seit neue Varianten des Virus wie Omicron aufgetaucht sind. Dennoch können die Fälle nach einem Anstieg von COVID-19-Fällen weiterhin ansteigen.
Diese Studie zielt darauf ab, fortgeschrittene statistische Methoden zu nutzen, um die grösste Gruppe von gemeldeten MIS-C-Fällen in den USA bis heute zu analysieren. Das Ziel ist, verschiedene Typen von MIS-C zu kategorisieren und zu untersuchen, wie sie mit der Schwere der Erkrankung zusammenhängen.
Studiendesign und Kohorte
Das CDC begann im Mai 2020 mit der Sammlung von Informationen über MIS-C-Fälle. Gesundheitsbehörden in den USA senden freiwillig Berichte über MIS-C-Fälle über ein standardisiertes Formular, das Daten über die Hintergründe der Patienten, Symptome, Behandlungen und Laborergebnisse sammelt. Diese Analyse betrachtet alle bis zum April 2023 an das CDC gemeldeten Fälle, die vor Ende 2022 begonnen hatten. Fälle nach Januar 2023 wurden ausgeschlossen, da sie einer neuen Berichtsdefinition folgten.
Die Studie konzentrierte sich darauf, die Merkmale der Patienten basierend auf der vorherrschenden Virusvariante zu analysieren. Diese Zeiträume wurden anhand von Daten aus nationalen genetischen Studien des Virus definiert.
Methoden zur Analyse
Um die Daten zu analysieren, wählten die Forscher verschiedene klinische Anzeichen und Symptome, Diagnosen und Testergebnisse aus den Fallberichten aus. Sie entfernten alle Variablen, für die viele Daten fehlten oder die eng miteinander verwandt waren, um die Analyse fokussiert zu halten. Dabei kamen 29 wichtige klinische Variablen heraus, die sie in ihrer Analyse verwendeten.
Fälle mit zu vielen fehlenden Variablen wurden ausgeschlossen. Die verbleibenden Fälle durchliefen einen Prozess namens multiple Imputation, um Lücken in den Daten zu schliessen. Die Ergebnisse, die sie betrachteten, umfassten, ob die Patienten intensivmedizinisch behandelt werden mussten, wie lange sie im Krankenhaus blieben und die Sterblichkeitsraten.
Anschliessend wurde eine latente Klassenanalyse (LCA) durchgeführt, um mithilfe von Software verschiedene Gruppen unter den Patienten basierend auf ihren Symptomen und Ergebnissen zu identifizieren. Die Forscher betrachteten viele Faktoren, um zu entscheiden, wie viele verschiedene Typen von MIS-C-Fällen es gab, einschliesslich wie gut die Modelle zu den Daten passten und ob die Cluster klinisch sinnvoll waren.
Ergebnisse der Analyse
Nach der Analyse der 8.944 Fälle identifizierten die Forscher drei verschiedene Cluster. Jedes Cluster zeigte unterschiedliche Symptome und Schweregrade im Zusammenhang mit MIS-C.
Atmungs-Cluster: Diese Gruppe hatte signifikante Atemwegssymptome, einschliesslich einer hohen Prävalenz von Husten, Atemnot und Pneumonie. Patienten in diesem Cluster waren insgesamt älter und hatten eine höhere Rate an bestehenden Erkrankungen.
Schock/Kardial-Cluster: Dieses Cluster hatte die schwersten Symptome, einschliesslich Schock und signifikanten Herzproblemen. Patienten hier zeigten Anzeichen, dass mehrere Organsysteme betroffen waren und hatten höhere Werte bestimmter herzbezogener Biomarker.
Undifferenziertes Cluster: Patienten in dieser Gruppe waren typischerweise jünger und hatten weniger bestehende Erkrankungen. Ihre Symptome passten nicht deutlich in die anderen Cluster, aber einige wiesen Anzeichen von mukokutanen Symptomen auf.
Die Ergebnisse zeigten, dass die Mehrheit der schweren Fälle in den ersten beiden Clustern konzentriert war, was auf höhere Risiken für diese Gruppen hindeutet. Die Studie fand heraus, dass Alter, das Vorhandensein von Begleiterkrankungen und die Anzahl der betroffenen Organsysteme Schlüsselfaktoren für die klinische Schwere waren.
Veränderungen über die Zeit
Die Studie analysierte auch, wie die Cluster sich im Laufe der Zeit mit dem Auftreten unterschiedlicher COVID-19-Varianten veränderten. Der Prozentsatz der Fälle im atemwegs- und schock/kardial-Cluster begann im Mai 2020 hoch, nahm aber mit dem Auftauchen der Omicron-Variante erheblich ab.
Fazit
Diese Forschung hebt die Unterschiede hervor, wie MIS-C bei Kindern auftreten kann, und betont die Wichtigkeit, diese Variationen für eine effektive Diagnose und Behandlung zu erkennen. Die Ergebnisse deuten darauf hin, dass MIS-C weiterhin ein wichtiges gesundheitliches Problem darstellt, insbesondere während Phasen erhöhter COVID-19-Aktivität. Das Verständnis dieser verschiedenen Cluster kann die Art und Weise verbessern, wie Gesundheitsbehörden MIS-C-Fälle in Zukunft verfolgen und darauf reagieren.
Indem verschiedene Präsentationen von MIS-C kategorisiert werden, können Gesundheitsdienstleister die Erkrankung besser verstehen und ihre Behandlungsansätze anpassen. Mit weiteren Studien könnten diese Ergebnisse helfen, wie Fälle definiert werden und die epidemiologische Verfolgung von MIS-C zu verbessern.
Titel: Phenotypic Classification of Multisystem Inflammatory Syndrome in Children: A Latent Class Analysis
Zusammenfassung: ImportanceMultisystem inflammatory syndrome in children (MIS-C) is an uncommon but severe hyperinflammatory illness occurring 2-6 weeks after SARS-CoV-2 infection. Presentation overlaps with other conditions, and risk factors for severe clinical outcomes differ by patient. Characterizing patterns of MIS-C presentation can guide efforts to reduce misclassification, categorize phenotypes, and identify patients at risk for severe outcomes. ObjectiveTo characterize phenotypic clusters of MIS-C and identify clusters with increased clinical severity. DesignWe describe MIS-C phenotypic clusters inferred using latent class analysis (LCA) applied to the largest cohort to date of cases from U.S. national surveillance. Illness onset ranged from February 2020 through December 2022. SettingNational surveillance comprising data from 55 U.S. public health jurisdictions. ParticipantsWe analyzed 9,333 MIS-C cases. Twenty-nine clinical signs and symptoms were selected for clustering after excluding variables with [≥]20% missingness and [≤]10% or [≥]90% prevalence. We excluded 389 cases missing [≥]10 variables and conducted multiple imputation on the remaining 8,944 (96%) cases. Main Outcomes and MeasuresDifferences by cluster in prevalence of each clinical sign and symptom, percentage of cases admitted to the intensive care unit (ICU), length of hospital and ICU stay, mortality, and relative frequency over time. ResultsLCA identified three clusters characterized by 1) frequent respiratory findings primarily affecting older children (n = 713; 8.0% of cases; median age: 12.7 years); 2) frequent cardiac complications and shock (n = 3,359; 37.6%; 10.8 years); and 3) remaining cases (n = 4,872; 54.5%; 6.8 years). Mean duration of hospitalization and proportion of cases resulting in ICU admission or death were higher in the respiratory (7.9 days; 49.5%; 4.6%; respectively) and shock/cardiac clusters (8.7 days; 82.3%; 1.0%; respectively) compared with other cases (5.3 days; 33.0%; 0.06%; respectively). The proportion of cases in the respiratory and shock/cardiac clusters decreased after emergence of the Omicron variant in the United States. Conclusions and RelevanceMIS-C cases clustered into three subgroups with distinct clinical phenotypes, illness severity, and distribution over time. Use of clusters in future studies may support efforts to evaluate surveillance case definitions and help identify groups at highest risk for severe outcomes. Key pointsO_ST_ABSQuestionC_ST_ABSCan phenotypic clusters of multisystem inflammatory syndrome in children (MIS-C) be identified, and are some clusters associated with increased severity? FindingsWe describe clusters inferred using latent class analysis (LCA) on 9,333 MIS-C cases from U.S. national surveillance 2020-2022. LCA identified three clusters characterized by frequent respiratory symptoms, frequent cardiac complications and shock, and remaining clinically milder cases. Mortality and ICU admission were highest in the respiratory and shock/cardiac clusters; prevalence of these two clusters decreased over time. MeaningMIS-C clusters had distinct presentation, illness severity, and distribution over time, highlighting the importance of recognizing the varied presentation of MIS-C.
Autoren: Kevin C Ma, A. R. Yousaf, A. Miller, K. N. Lindsey, M. J. Wu, M. Melgar, A. B. Popovich, A. P. Campbell, L. D. Zambrano
Letzte Aktualisierung: 2024-06-03 00:00:00
Sprache: English
Quell-URL: https://www.medrxiv.org/content/10.1101/2024.06.01.24308325
Quell-PDF: https://www.medrxiv.org/content/10.1101/2024.06.01.24308325.full.pdf
Lizenz: https://creativecommons.org/publicdomain/zero/1.0/
Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.
Vielen Dank an medrxiv für die Nutzung seiner Open-Access-Interoperabilität.