Simple Science

La science de pointe expliquée simplement

# Sciences de la santé# Épidémiologie

Nouvelles découvertes sur le syndrome inflammatoire multisystémique chez les enfants

Une étude révèle des groupes distincts de symptômes et de gravité du MIS-C chez les enfants.

― 7 min lire


Infos sur le MIS-C chezInfos sur le MIS-C chezles enfantsla gravité du MIS-C.Une étude révèle des cas distincts et
Table des matières

Le syndrome inflammatoire multisystémique chez les enfants, connu sous le nom de MIS-C, est une condition grave qui peut apparaître chez les enfants après qu'ils ont eu le COVID-19. Ça se manifeste généralement environ 2 à 6 semaines après que l'enfant a été infecté par le virus qui cause le COVID-19. On pense que le MIS-C est lié à la façon dont le système immunitaire de l'organisme réagit après l'infection.

Depuis avril 2024, il y a eu près de 10 000 cas de MIS-C enregistrés aux États-Unis, avec quelques décès. La condition semble affecter certains groupes raciaux et ethniques plus que d'autres, surtout pendant les premiers jours de la pandémie. Les enfants atteints de MIS-C arrivent souvent à l'hôpital avec une forte fièvre, des problèmes de ventre comme des vomissements et de la diarrhée, des problèmes cardiaques et des soucis de peau ou d'yeux comme des éruptions cutanées et des rougeurs.

Pour identifier et suivre les cas de MIS-C, les Centers for Disease Control and Prevention (CDC) ont créé une définition de cas en mai 2020. Cette définition incluait plusieurs critères, comme être un enfant de moins de 21 ans avec de la fièvre et nécessitant des soins hospitaliers, l'implication de plusieurs systèmes organiques, des preuves d'inflammation et une preuve d'infection récente au COVID-19, ou pas de diagnostic clair pour leurs Symptômes. Cette définition était large pour capturer le plus de cas possible. En janvier 2023, le CDC a mis à jour la définition de surveillance du MIS-C pour la rendre plus précise et réduire le nombre de rapports inutiles.

Le défi du diagnostic du MIS-C

Diagnostiquer le MIS-C peut être compliqué parce que les symptômes ressemblent à d'autres conditions, comme le COVID-19 aigu, la maladie de Kawasaki et le syndrome de choc toxique. Ce chevauchement peut retarder le diagnostic et le traitement appropriés. La gravité du MIS-C peut varier considérablement d'un enfant à l'autre, certains pouvant connaître de graves complications comme le choc ou nécessiter des soins intensifs. Bien qu'il y ait des facteurs de risque connus pour des cas sévères, les chercheurs ont encore beaucoup à apprendre sur ce qui rend certains cas pires que d'autres.

Vu la variété des symptômes et de la gravité, il y a une suggestion que divers types, ou phénotypes, de MIS-C existent. Identifier ces différents types pourrait mener à une meilleure compréhension de la condition, aider à concevoir des essais cliniques pour le traitement et améliorer les définitions de cas utilisées dans les études épidémiologiques. Des recherches antérieures ont utilisé des méthodes statistiques pour classer les présentations du MIS-C, mais beaucoup de ces études avaient des échantillons limités et peu de diversité géographique. De plus, certaines études précédentes ont regroupé les symptômes trop largement et ont manqué des détails clés liés à la gravité des symptômes.

Changements dans le paysage du MIS-C

Depuis les débuts de la pandémie de COVID-19, la compréhension et le rapport du MIS-C ont évolué. Le nombre global de cas de MIS-C a diminué avec l'apparition de nouveaux variants du virus, comme Omicron. Cependant, les cas peuvent encore augmenter après une hausse des cas de COVID-19.

Cette étude vise à utiliser des méthodes statistiques avancées pour analyser le plus grand groupe de cas de MIS-C signalés aux États-Unis à ce jour. L'objectif est de classer les différents types de MIS-C et d'examiner comment ils se rapportent à la gravité de la condition.

Conception de l'étude et cohorte

Le CDC a commencé à collecter des informations sur les cas de MIS-C à partir de mai 2020. Les départements de santé aux États-Unis envoient volontairement des rapports sur les cas de MIS-C en utilisant un formulaire standardisé qui collecte des données sur les antécédents des patients, les symptômes, les traitements et les résultats de laboratoire. Cette analyse examine tous les cas signalés au CDC jusqu'à avril 2023, qui ont commencé avant la fin de 2022. Les cas après janvier 2023 ont été exclus car ils suivaient une nouvelle définition de rapport.

L'étude s'est concentrée sur l'analyse des caractéristiques des patients en fonction du variant du virus qui était prédominant à l'époque. Ces périodes ont été définies sur la base des données d'études génétiques nationales du virus.

Méthodes d'analyse

Pour analyser les données, les chercheurs ont sélectionné divers signes cliniques et symptômes, diagnostics et résultats de tests à partir des rapports de cas. Ils ont éliminé les variables ayant beaucoup de données manquantes ou étant étroitement liées pour garder l'analyse concentrée. Ils ont fini avec 29 variables cliniques clés à utiliser dans leur analyse.

Les cas avec trop de variables manquantes ont été laissés de côté. Les cas restants ont subi un processus appelé imputation multiple pour combler les lacunes dans les données. Les résultats étudiés incluaient si les patients avaient besoin de soins intensifs, combien de temps ils sont restés à l'hôpital et les taux de mortalité.

Une analyse de classes latentes (ACL) a ensuite été réalisée à l'aide d'un logiciel pour identifier différents groupes parmi les patients en fonction de leurs symptômes et résultats. Les chercheurs ont examiné de nombreux facteurs pour déterminer combien de types différents de cas de MIS-C il y avait, y compris à quel point les modèles correspondaient aux données et si les Clusters avaient un sens clinique.

Résultats de l'analyse

Après avoir analysé les 8 944 cas, les chercheurs ont identifié trois clusters distincts. Chaque cluster montrait différents symptômes et gravités liés au MIS-C.

  1. Cluster respiratoire : Ce groupe avait des symptômes respiratoires significatifs, y compris une forte prévalence de toux, d'essoufflement et de pneumonie. Les patients de ce cluster étaient généralement plus âgés et avaient un taux plus élevé de conditions préexistantes.

  2. Cluster choc/cardiaque : Ce cluster avait les symptômes les plus graves, y compris le choc et des problèmes cardiaques significatifs. Les patients ici montraient des signes d'atteinte de plusieurs systèmes organiques et avaient des niveaux plus élevés de biomarqueurs cardiaques spécifiques.

  3. Cluster non différencié : Les patients de ce groupe étaient généralement plus jeunes et avaient moins de conditions préexistantes. Leurs symptômes ne correspondaient pas clairement aux autres clusters, mais certains avaient des signes de symptômes muco-cutanés.

Les résultats ont montré que la majorité des cas graves étaient concentrés dans les deux premiers clusters, indiquant des risques plus élevés pour ces groupes. L'étude a découvert que l'âge, la présence de Comorbidités et le nombre de systèmes organiques impliqués étaient des facteurs clés pour déterminer la gravité clinique.

Changements au fil du temps

L'étude a également analysé comment les clusters ont évolué au fil du temps avec l'émergence de différents variants du COVID-19. Le pourcentage de cas dans les clusters respiratoire et choc/cardiaque a commencé élevé en mai 2020 mais a diminué de manière significative avec l'arrivée du variant Omicron.

Conclusions

Cette recherche met en évidence les différences dans la façon dont le MIS-C peut se présenter chez les enfants et souligne l'importance de reconnaître ces variations pour un diagnostic et un traitement efficaces. Les résultats suggèrent que le MIS-C reste une préoccupation importante pour la santé publique, surtout pendant les périodes d'activité accrue du COVID-19. Comprendre ces différents clusters peut améliorer la façon dont les autorités sanitaires suivent et répondent aux cas de MIS-C à l'avenir.

En classant les différentes présentations du MIS-C, les prestataires de soins de santé peuvent mieux comprendre la condition et ajuster leurs approches de traitement. Avec des études supplémentaires, ces résultats peuvent aider à affiner la définition des cas et à améliorer le suivi épidémiologique du MIS-C.

Source originale

Titre: Phenotypic Classification of Multisystem Inflammatory Syndrome in Children: A Latent Class Analysis

Résumé: 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.

Auteurs: 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

Dernière mise à jour: 2024-06-03 00:00:00

Langue: English

Source URL: https://www.medrxiv.org/content/10.1101/2024.06.01.24308325

Source PDF: https://www.medrxiv.org/content/10.1101/2024.06.01.24308325.full.pdf

Licence: https://creativecommons.org/publicdomain/zero/1.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à medrxiv pour l'utilisation de son interopérabilité en libre accès.

Articles similaires