小児における多系統炎症性症候群（MIS-C）の特徴付けと川崎病との関係

臨床的特徴付け (Burns、Tremoulet、Sivilay、Roberts、Jain): このサプリメントによって資金提供された 8 か月間の登録で、30 のサイトが、REDCap データベースの詳細な症例報告フォームを使用して、KD および MIS-C 患者に関するデータを収集します。 これには、患者の人口統計、臨床症状、検査データ、治療、臨床転帰、すべての KD および MIS-C 患者の心血管転帰に関するデータが含まれるため、研究者はさまざまな患者グループの体系的な画像を作成できます (以下の詳細を参照)。

親の観察 (Kim): 急性症状に至るまでの患者と家族の徴候と症状について学ぶために、Katherine Kim 博士が患者と親の諮問委員会と共に親アンケートを考案し、分析します。 研究者は、既知の徴候や症状だけでなく、これまで文献で報告されていなかった徴候や症状を収集し、日ごとの有無、体内の位置、重症度を記録します。 アンケートは、モバイル/Web アプリケーションおよび紙で利用できます。 これらのデータを使用して、研究者は探索的分析を行い、症状の表現型と、これらのプロファイルと人口統計学的特徴および臨床的特徴との関係を特徴付けます。 さらに、研究者は、KD と MIS-C の症状の表現型の違いを検出できるかどうかを評価します。 研究者は、クラスター分析を実施して、推定または検証された診断について盲検化された集約された症状の観察から症状の表現型を特定します (n = 100、毎日の各徴候/症状を個別のデータポイントとして)。 表現型には、併発する症状や独立した症状などの特徴、および症状負荷指数 (例: 存在する症状の数) が含まれる場合があります。 研究者は、ウォードの階層クラスター分析を使用して、可能性のあるクラスターの数を推定します.3 研究者は、モデル内の再現性と安定性を保証するために、100 回繰り返される K-means 非階層クラスター分析を適用します。 調査員は、ロジスティック回帰、主成分分析、因子分析、相関分析で分析されたスコア指標を作成します。 次に、調査員は、クラスターが検証済みの診断および/または年齢、人種/民族、地理などの社会人口統計学的特性に関連しているかどうかを評価します。 調査員は、判別分析技術と、CART などの最新の分類技術を使用して、KD と MIS-C の症状の表現型が異なるかどうかを調べます。 ある時点での症状クラスターまたは経時的な単一症状の軌跡に関する情報が、2 つの状態を区別するのに不十分である場合、これは、記録された症状が識別には不十分である、または 2 つの疾患が実体は徴候的に異なっていません。 この探索的分析は、重要な情報を提供し、臨床指導と保護者教育のためにさらに発展させることができます。

写真撮影 (Kim, Tremoulet): 目、口/舌、および発疹の患者の写真は、通常の臨床データへの新規追加として収集されます。 治療前に得られたこれらの写真は、結膜注射および輪部周囲温存の有無、朱色の境界（紅斑、裂け目）および舌（イチゴの舌）の変化を含む中咽頭の粘膜皮膚の変化、および発疹の性質を記録します。 写真は、顔認識ソフトウェアと、ヘイデン シブリーとルーカス フーが率いる南カリフォルニア大学社会人工知能センターの協力者が使用する人工知能アプローチを使用して分析され、差別化できるコンピューター アルゴリズムを作成できるかどうかが評価されます。 MIS-C の臨床的特徴は、急性 KD の子供と他の小児熱性疾患の子供の写真から得られます。 カリフォルニア大学デービス校のキャサリン・キム博士は、写真とアンケートの回答を比較して、親の徴候と症状の説明を補足し、観察結果を検証します。 この比較により、両親自身の言葉を使用して説明を強化することができます。 これらの身体的所見を記録するには写真が必要であり、研究者は長年にわたり、医師によるこれらの特徴の説明がひどく不正確であることを知っています。 たとえば、イチゴの舌の発見は、糸状乳頭の角化した先端の脱落を伴う特定の損傷パターンであり、歴史的に、ブドウ球菌および連鎖球菌の毒素媒介性疾患と KD の 3 つの状態のみに関連しています。