Caratterizzazione della sindrome infiammatoria multisistemica nei bambini (MIS-C) e la sua relazione con la malattia di Kawasaki

Caratterizzazione clinica (Burns, Tremoulet, Sivilay, Roberts, Jain): durante gli 8 mesi di iscrizione finanziati da questo supplemento, 30 siti raccoglieranno dati sui pazienti con KD e MIS-C utilizzando il modulo di segnalazione dettagliata nel nostro database REDCap. Ciò include dati su dati demografici dei pazienti, presentazione clinica, dati di laboratorio, trattamenti, esiti clinici ed esiti cardiovascolari su tutti i pazienti KD e MIS-C in modo che i ricercatori possano sviluppare un quadro sistematico dei diversi gruppi di pazienti (vedere i dettagli di seguito).

Osservazioni dei genitori (Kim): per conoscere segni e sintomi nel paziente e nei membri della famiglia che portano alla presentazione acuta, un questionario per i genitori sarà ideato e analizzato dalla dottoressa Katherine Kim con il comitato consultivo per pazienti e genitori. Gli investigatori raccoglieranno segni e sintomi noti, nonché quelli che potrebbero non essere stati precedentemente riportati in letteratura e registreranno la presenza / assenza, la posizione nel corpo e il livello di gravità per giorno. Il questionario sarà disponibile come applicazione mobile/web e su supporto cartaceo. Con questi dati, gli investigatori condurranno un'analisi esplorativa per caratterizzare i fenotipi dei sintomi e le relazioni di questi profili con caratteristiche demografiche e caratteristiche cliniche. Inoltre, gli investigatori valuteranno se siamo in grado di rilevare differenze tra i fenotipi dei sintomi di KD e MIS-C. Gli investigatori condurranno un'analisi a grappolo per identificare i fenotipi dei sintomi da osservazioni di sintomi aggregati in cieco rispetto alla diagnosi presunta o verificata (n = 100 con ciascun segno / sintomo in ogni giorno come punto dati distinto). I fenotipi possono includere caratteristiche come i sintomi che si verificano contemporaneamente o sono indipendenti e l'indice di carico dei sintomi (ad esempio, il numero di sintomi presenti). I ricercatori utilizzeranno l'analisi dei cluster gerarchici di Ward per stimare il numero di cluster probabili Gli investigatori applicheranno l'analisi cluster non gerarchica K-mean ripetuta 100 volte in un modello di validazione leave-one out per assicurare ripetibilità e stabilità all'interno del modello. Gli investigatori creeranno indici di punteggio analizzati con regressione logistica, analisi delle componenti principali, analisi fattoriale e analisi di correlazione. Gli investigatori valuteranno quindi se i cluster sono correlati a diagnosi verificate e/o caratteristiche sociodemografiche come età, razza/etnia, geografia. Gli investigatori utilizzeranno tecniche di analisi discriminante e tecniche di classificazione più recenti come CART per esaminare se i fenotipi dei sintomi di KD e MIS-C sono dissimili. Se le informazioni in termini di gruppi di sintomi in un determinato momento o una traiettoria di un singolo sintomo nel tempo sono insufficienti per distinguere tra le due condizioni, ciò fornirebbe supporto all'argomentazione secondo cui i sintomi registrati sono insufficienti per la discriminazione o che le due malattie entità non sono sintomaticamente diverse. Questa analisi esplorativa fornirà informazioni importanti che possono essere ulteriormente sviluppate per l'orientamento clinico e l'educazione dei genitori.

Fotografia (Kim, Tremoulet): le fotografie dei pazienti dell'occhio, della bocca/lingua e dell'eruzione cutanea saranno raccolte come nuova aggiunta ai consueti dati clinici. Queste fotografie ottenute prima del trattamento documenteranno la presenza o l'assenza di iniezione congiuntivale e risparmio perilimbare, i cambiamenti mucocutanei nell'orofaringe compresi i cambiamenti nel bordo vermiglio (eritema, fissurazione) e nella lingua (lingua a fragola) e la natura dell'eruzione cutanea. Le fotografie saranno sottoposte ad analisi tramite software di riconoscimento facciale e approcci di intelligenza artificiale utilizzati dai nostri collaboratori del Center for Artificial Intelligence in Society della University of Southern California guidati da Hayden Shively e Lucas Hu per valutare se sia possibile creare un algoritmo informatico in grado di differenziare le caratteristiche cliniche di MIS-C da fotografie scattate a bambini con KD acuta e quelli con altre malattie febbrili pediatriche. La dottoressa Katherine Kim della UC Davis confronterà le foto con le risposte al questionario per integrare le descrizioni dei segni e dei sintomi dei genitori e convalidare le osservazioni. Questo confronto può portare a descrizioni migliorate utilizzando le parole dei genitori stessi. La fotografia è necessaria per documentare questi risultati fisici poiché gli investigatori hanno appreso nel corso degli anni che la descrizione medica di queste caratteristiche è tristemente imprecisa. Il ritrovamento, ad esempio, di una lingua a fragola è un modello di lesione specifico che comporta la desquamazione delle punte cornificate delle papille filiformi ed è stato storicamente associato a sole 3 condizioni: malattia mediata da tossina stafilococcica e streptococcica e KD.