登革热病毒、基孔肯雅病毒和寨卡病毒均通过埃及伊蚊和白纹伊蚊传播，全球约有40亿人处于感染风险之中。气候变化将使更多人口暴露于这些病毒感染。三种疾病在临床表现上存在重叠，尤其在儿童和青少年中，鉴别诊断困难。现有国际诊断标准多基于成人病例，且普遍要求发热作为登革热的必要症状，但儿童中无热病例的特征和流行病学尚未充分研究。

本研究基于尼加拉瓜马那瓜城市区II的Sócrates Flores Vivas健康中心开展的儿童登革热队列研究（Pediatric Dengue Cohort Study, PDCS），始于2004年，初始纳入年龄为2岁至小于10岁的儿童。随着基孔肯雅和寨卡病毒的传播，研究分别于2014年和2016年扩大纳入标准，覆盖至18岁以下儿童。研究期间，对2006年至2023年间确诊的1405例登革热、517例基孔肯雅热和522例寨卡感染病例进行临床特征分析。采用广义加法模型估算不同病程天数及年龄段临床表现的患病率，结合实验室检测结果及机器学习技术（提升回归树模型）进行疾病分类及特征重要性评估。

结果显示，登革热以嗜碱细胞增多、单核细胞减少、腹痛及白细胞减少为主要特征；基孔肯雅热表现为高发的关节痛，伴缺乏丘疹性皮疹、白细胞减少和结膜充血；寨卡病毒感染则以广泛性皮疹及无热、头痛少见、肌痛及淋巴细胞减少为特点。登革热和基孔肯雅热的发热模式相似，均高于寨卡病毒感染。寨卡病例多表现为无热或低热。无热性登革热病例（7.1%）首次被系统识别，这些病例与无热寨卡临床表现类似，但部分病例出现登革热严重预警信号，提示临床管理需关注无热病例。

图：2006–2023年尼加拉瓜马那瓜儿科登革热队列研究中登革热、基孔肯雅热和寨卡病例临床特征的年龄-患病率趋势

此外，机器学习模型在区分三种疾病方面表现良好。模型显示关节痛的存在及嗜碱细胞和白细胞减少的缺失最能区分基孔肯雅热；嗜碱细胞增多和白细胞减少最能区分登革热；无热则是寨卡感染的关键区分指标。然而，模型难以区分无热性登革热与无热寨卡病毒感染。年龄影响诊断敏感性，幼龄儿童关节痛出现率较低，导致基孔肯雅热模型敏感性下降。

综上，本研究系统揭示了儿童中登革热、基孔肯雅热与寨卡病毒感染的临床表现异同，强调将无热性登革热纳入诊断考量的重要性。考虑年龄及病程时间能够优化临床鉴别诊断，促进及时准确的疾病识别和管理。研究结果支持更新现有诊断指南，尤其在资源有限的环境中，依托临床特征和机器学习辅助诊断可提高疾病识别效率。

原始出处

Carrillo FAB, Ojeda S, Sanchez N, et al. Comparison of dengue, chikungunya, and Zika among children in Nicaragua across 18 years: a single-centre, prospective cohort study. Lancet Child Adolesc Health. 2025;9(9):622-633. doi:10.1016/S2352-4642(25)00168-3

本文相关学术信息由梅斯医学提供，基于自主研发的人工智能学术机器人完成翻译后邀请临床医师进行再次校对。如有内容上的不准确请留言给我们。

Tags： Lancet Child Adolesc Health：关节痛、皮疹、无热？机器学习精准区分儿童登革热、基孔肯雅热与寨卡感染