儿童多系统炎症综合征 (MIS-C) 的特征及其与川崎病的关系

临床特征（Burns、Tremoulet、Sivilay、Roberts、Jain）：在本补充资料资助的 8 个月注册期间，30 个站点将使用我们 REDCap 数据库中的详细病例报告表收集 KD 和 MIS-C 患者的数据。 这包括有关所有 KD 和 MIS-C 患者的患者人口统计数据、临床表现、实验室数据、治疗、临床结果和心血管结果的数据，以便研究人员可以系统地了解不同的患者组（详见下文）。

家长观察（Kim）：为了了解导致急性表现的患者和家庭成员的体征和症状，Katherine Kim 博士将与患者和家长咨询委员会一起设计和分析家长问卷。 研究人员将收集已知的体征和症状以及之前可能未在文献中报道过的体征和症状，并按天记录存在/不存在、在体内的位置和严重程度。 调查问卷将以移动/网络应用程序和纸质形式提供。 利用这些数据，研究人员将进行探索性分析，以表征症状表型以及这些特征与人口统计学特征和临床特征的关系。 此外，研究人员将评估我们是否能够检测出 KD 和 MIS-C 症状表型之间的差异。 研究人员将进行聚类分析，以从对假定或已验证诊断不知情的聚合症状观察中识别症状表型（n=100，每天的每个体征/症状作为一个不同的数据点）。 表型可能包括诸如同时出现或独立的症状以及症状负担指数（例如，存在的症状数量）等特征。 调查人员将使用 Ward 的层次聚类分析来估计可能聚类的数量。 3 研究人员将在留一法验证模型中应用 K-means 非层次聚类分析重复 100 次，以确保模型内的可重复性和稳定性。 研究人员将创建通过逻辑回归、主成分分析、因子分析和相关分析分析的评分指数。 然后，研究人员将评估集群是否与经过验证的诊断和/或社会人口学特征（如年龄、种族/民族、地理）相关。 研究人员将使用判别分析技术和更新的分类技术（例如 CART）来检查 KD 和 MIS-C 的症状表型是否不同。 如果某个时间点的症状群或单个症状随时间变化的轨迹方面的信息不足以区分这两种情况，这将为以下论点提供支持：记录的症状不足以区分或两种疾病实体在症状上没有不同。 这种探索性分析将提供重要信息，可以进一步开发用于临床指导和家长教育。

摄影（Kim，Tremoulet）：将收集患者眼睛、嘴巴/舌头和皮疹的照片，作为常规临床数据的新补充。 治疗前获得的这些照片将记录是否存在结膜充血和角膜缘保留、口咽部粘膜皮肤变化，包括朱红边缘（红斑、裂隙）和舌头（草莓舌）的变化，以及皮疹的性质。 这些照片将使用我们在南加州大学社会人工智能中心的合作者使用的面部识别软件和人工智能方法进行分析，由 Hayden Shively 和 Lucas Hu 领导，以评估是否可以创建可以区分的计算机算法MIS-C 的临床特征来自急性 KD 患儿和其他儿科发热性疾病患儿的照片。 加州大学戴维斯分校的 Katherine Kim 博士会将照片与问卷答复进行比较，以补充家长对体征和症状的描述并验证观察结果。 这种比较可以使用父母自己的话来增强描述。 需要摄影来记录这些物理发现，因为调查人员多年来了解到医生对这些特征的描述非常不准确。 例如，草莓舌的发现是一种特定的损伤模式，涉及丝状乳头的角质化尖端脱落，历史上仅与 3 种情况相关：葡萄球菌和链球菌毒素介导的疾病和 KD。