ترجمه فارسی مقاله زیر فنوتیپ های کووید طولانی کودکان: یک مطالعه مبتنی بر EHR از برنامه RECOVER

چکیده

Pediatric Long COVID has been associated with a wide variety of symptoms, conditions, and organ systems, but distinct clinical presentations, or subphenotypes, are still being elucidated. In this exploratory analysis, we identified a cohort of pediatric (age <21) patients with evidence of Long COVID and no pre-existing complex chronic conditions using electronic health record data from 38 institutions and used an unsupervised machine learning-based approach to identify subphenotypes. Our method, an extension of the Phe2Vec algorithm, uses tens of thousands of clinical concepts from multiple domains to represent patients’ clinical histories to then identify groups of patients with similar presentations. The results indicate that cardiorespiratory presentations are most common (present in 54% of patients) followed by subphenotypes marked (in decreasing order of frequency) by musculoskeletal pain, neuropsychiatric conditions, gastrointestinal symptoms, headache, and fatigue.

چکیده به فارسی (ترجمه ماشینی)

COVID طولانی کودکان با طیف گسترده ای از علائم ، شرایط و سیستم های اندام همراه بوده است ، اما ارائه های بالینی مجزا یا زیرنویس های فرعی هنوز در حال روشن شدن هستند.در این تجزیه و تحلیل اکتشافی ، ما یک گروه از بیماران کودکان (سن <21) را با شواهدی از COVID طولانی و بدون شرایط مزمن پیچیده از قبل موجود با استفاده از داده های سابقه الکترونیکی سلامت از 38 موسسه شناسایی کردیم و از یک رویکرد مبتنی بر یادگیری دستگاه بدون نظارت استفاده کردیمبشرروش ما ، گسترش الگوریتم PHE2VEC ، از ده ها هزار مفهوم بالینی از حوزه های مختلف برای نشان دادن تاریخچه بالینی بیماران استفاده می کند تا سپس گروه های بیماران با ارائه های مشابه را شناسایی کند.نتایج حاکی از آن است که ارائه های قلبی تنفسی بیشتر (در 54 ٪ از بیماران) و به دنبال آن زیر فنوتیپ های مشخص شده (در کاهش فرکانس) توسط درد اسکلتی عضلانی ، شرایط عصبی روانی ، علائم دستگاه گوارش ، سردرد و خستگی وجود دارد. [sc name="papertranslation"][/sc]