“این فناوری‌ها و ابزارهای بسیار نوآورانه پتانسیل بهبود مراقبت از کودکان مبتلا به عفونت SARS-CoV-2 و سایر بیماری‌های تب‌آور را دارند.بیل کاپوگیانیس، MD، از NIH گفت یونیس کندی شرایور موسسه ملی بهداشت کودک و توسعه انسانی (NICHD)، که بر کمک هزینه ها نظارت می کند.
منبع:
جوایز 2020 از مطالعاتی که شامل بیش از 7400 شرکت‌کننده تحقیقاتی در چهار کشور بود حمایت کرد و نمونه‌های اولیه روش‌ها و تکنیک‌ها را برای استفاده بالقوه در کلینیک‌ها، بخش‌های اورژانس و برای بیماران بستری در بیمارستان به‌دست آورد. این مطالعات PreVAIL Kids از طریق ابتکار RADx-rad NIH پشتیبانی شد و بخشی از یک تلاش مشترک تحقیقاتی NIH به نام مراقبت از کودکان مبتلا به کووید بود. نتایج حاصل از این مطالعات شامل یک روش آزمایشگاهی برای تشخیص سلول‌های ایمنی خاص مرتبط با MIS-C است. پایگاه‌های داده‌ای که بر اساس پروتئین‌های خاص خون و نشانگرهای زیستی ژنتیکی به تشخیص کودکان در معرض خطر MIS-C و COVID-19 شدید کمک می‌کنند. و پایگاه داده ای که می تواند بین MIS-C، بیماری کاوازاکی (که علائم مشابهی دارد) و عفونت های ویروسی و باکتریایی تب آور تمایز قائل شود.
موسسه ملی بهداشت
منبع
اگرچه برخی از کودکان علائم خفیف یا بدون علائم COVID-19 را نشان می دهند، برخی دیگر عوارض شدیدتری از جمله MIS-C دارند که منجر به التهاب یک یا چند اندام از جمله قلب، ریه ها، کلیه ها، مغز، پوست، چشم ها و دستگاه گوارش می شود. تراکت
جوایز جدید به محققان این امکان را می‌دهد تا به تلاش‌های خود برای توسعه راه‌هایی برای تشخیص سریع MIS-C و شناسایی افرادی که در معرض خطر عوارض جدی و بلندمدت SARS-CoV-2 هستند، ادامه دهند. شناسایی زودهنگام افرادی که بیشتر در معرض خطر هستند، امکان مداخلات اولیه را برای جلوگیری از اثرات شدید سلامتی فراهم می کند.
برندگان
- جین سی برنز، دانشگاه کالیفرنیا، سن دیگو
تشخیص و پیش‌بینی خطر در کودکان مبتلا به بیماری مرتبط با SARS-CoV-2
- سدریک مانلیوت، دانشگاه جان هاپکینز، بالتیمور
رویکرد علم داده به شناسایی و مدیریت MIS-C مرتبط با SARS
- Ananth V. Annapragada، کالج پزشکی Baylor، هیوستون
AICORE-kids: هوش مصنوعی ارزیابی خطر COVID-19 برای کودکان
- آدری آر اودوم جان، بیمارستان کودکان فیلادلفیا
تشخیص MIS-C در کودکان تب دار
- Usha Sethuraman، دانشگاه مرکزی میشیگان، Mount Pleasant
پیش بینی کننده های شدت ادغام ترانس کریپتومیکس و پروتئومیکس بزاقی با هوش شبکه چند عصبی در عفونت SARS-CoV2 در کودکان
- خوان سی سالازار، مرکز پزشکی کودکان کانکتیکات، هارتفورد
شناسایی علائم بیومارکر با ارزش پیش آگهی برای MIS-C
- چارلز ین چیو، دانشگاه کالیفرنیا، سانفرانسیسکو
کشف و اعتبار سنجی بالینی نشانگرهای زیستی میزبان شدت بیماری و MIS-C با COVID-19
- لارنس کلاینمن، دانشکده پزشکی راتگرز رابرت وود جانسون، نیوبرانزویک، نیوجرسی
شبکه‌های کووید-۱۹ که رویکردهای بالینی و ترجمه‌ای را برای پیش‌بینی بیماری‌های شدید در کودکان گسترش می‌دهند
این جوایز از ابتکار پیش‌بینی شدت بیماری التهابی مرتبط با ویروسی در کودکان مبتلا به تشخیص آزمایشگاهی و هوش مصنوعی (PreVAIL KIds) NIH است. آنها بخشی از برنامه شتاب سریع تشخیص رادیکال (RADx-rad) برای حمایت از رویکردهای جدید و غیر سنتی و استفاده مجدد از ابزارهای موجود برای رفع شکاف‌ها در آزمایش و نظارت COVID-19 هستند.
مؤسسه ملی بهداشت هشت کمک هزینه تحقیقاتی برای اصلاح فناوری‌های جدید برای تشخیص زودهنگام بیماری‌های شدید ناشی از عفونت SARS-CoV-2 در کودکان اعطا کرده است. جوایز جدید به دنبال کمک‌های مالی صادر شده در سال 2020 برای پرورش روش‌هایی برای تشخیص کودکان در معرض خطر بالای سندرم التهابی چند سیستمی در کودکان (MIS-C)، یک پیامد نادر، شدید و گاه کشنده از عفونت SARS-CoV-2 یا قرار گرفتن در معرض در کودکان است. .
RADx نشان خدمات وزارت بهداشت و خدمات انسانی ایالات متحده است.