Trouver un moyen de prédire la gravité du COVID-19 chez les enfants

Les enfants atteints d’une infection sévère par le SRAS-CoV-2 présentaient des niveaux significativement élevés d’un trio de cytokines salivaires, selon une analyse préliminaire.

Dans l’étude pilote avec 180 enfants, ceux avec COVID-19 sévère avaient des niveaux élevés de CXCL10, MIG et TNF R-1 dans leur salive par rapport aux enfants avec COVID-19 léger, a rapporté Usha Sethuraman, MD, de la Central Michigan University à Mount Agréable, à la réunion virtuelle de l’American Academy of Pediatrics (AAP).

Bien que les profils de cytokines spécifiques ne puissent pas être liés à divers symptômes de l’infection au COVID-19 – en partie en raison de la petite taille de l’échantillon – les chercheurs espèrent que des données supplémentaires leur permettront de différencier les biomarqueurs des patients pédiatriques COVID-19, a-t-elle noté.

“Beaucoup de ces enfants atteints de COVID ont des symptômes très similaires à ceux d’autres infections virales courantes”, a déclaré Sethuraman. MedPage aujourd’hui. “Et il n’y a aucun moyen pour nous de dire quel enfant va tomber le plus malade ou non. Donc, si nous avons une méthode pour déterminer quel enfant va se développer [multisystem inflammatory syndrome (MIS-C)] ou COVID sévère, cela nous aiderait à commencer le traitement plus tôt. »

“Donc, dans ce sens, cela changerait la donne”, a-t-elle ajouté.

Les cas de COVID-19 chez les enfants sont généralement bénins, mais certains patients plus jeunes peuvent présenter un MIS-C, une maladie de Kawasaki ou une insuffisance respiratoire. Dans les 24 États et la ville de New York qui signalent les hospitalisations d’enfants, les enfants sont hospitalisés dans 0,1 % à 1,9 % de tous les cas pédiatriques de COVID-19, selon les données AAP de septembre 2021.

Actuellement, il n’existe aucun biomarqueur établi qui puisse prédire la progression et la gravité du COVID-19 chez les enfants, bien que des études aient lié la gravité de la maladie à des niveaux accrus de cytokines chez les adultes.

Sethuraman a déclaré que son groupe avait choisi les cytokines salivaires en raison de la facilité d’échantillonnage. “L’objectif principal de cette étude était de la rendre aussi non invasive que possible”, a-t-elle déclaré.

L’étude a commencé en mars 2021 et se poursuivra jusqu’en juin 2022. Les données initiales de mars à mai provenaient du Children’s Hospital of Michigan à Detroit et de l’UPMC Children’s Hospital de Pittsburgh. L’analyse des échantillons de salive est effectuée au Penn State College of Medicine à Hershey, en Pennsylvanie, tandis que le développement de modèles utilisant l’intelligence artificielle (IA) est effectué à la Wayne State University de Detroit.

Sur les 180 enfants (âge moyen 7,1 ans ; 49,9 % de femmes) inclus dans l’étude jusqu’à présent, 60 ont été hospitalisés et 40 ont été classés comme ayant un COVID-19 sévère. Sur ces 40 personnes, cinq présentaient des symptômes cardiaques, 26 présentaient des symptômes respiratoires graves, tandis que les autres ne présentaient aucun des deux, mais “étaient pour la plupart diagnostiqués avec MIS-C”, selon Sethuraman.

Six cytokines salivaires – TNF R-1, IL-13, IL-15, CCL7, CXCL10 et MIG (CXCL9) – ont été mesurées, et les trois cytokines élevées chez les patients atteints d’une maladie grave étaient pro-inflammatoires, la les chercheurs ont rapporté.

Ils ont également constaté que les cytokines ne variaient pas de manière significative (P> 0,05) entre divers phénotypes COVID-19, et qu’une régression logistique hiérarchique a montré qu’un modèle basé sur trois cytokines ne représentait « que 4,2% de la variance entre les groupes COVID sévères et non sévères ».

“Le modèle combiné des trois cytokines avec l’âge, le sexe et l’état d’asthme a montré une précision modérée (75 %) et une faible sensibilité (21 %)”, ont déclaré les chercheurs, et c’était une limitation de l’étude, ainsi que le petit nombre de patients.

Sethuraman et ses collègues ont également mesuré les niveaux de miARN dans 129 échantillons de salive. Ils ont découvert que les niveaux de 63 miARN différaient significativement entre les cas graves et non graves dans leur analyse initiale, et se sont révélés prometteurs en tant que modèle prédictif.

“Notre objectif ultime est d’intégrer toutes les fonctionnalités, y compris les déterminants sociaux de la santé et les informations cliniques, et d’utiliser l’IA pour créer un modèle”, a déclaré Sethuraman. “[We want] réduire à quelques miARN et quelques cytokines, et développer un outil de chevet [that] crache une prédiction pour nous pour savoir si un enfant a une maladie grave.”