Inadvertent exposures in children with peanut allergy
Notice bibliographique
Résumé
OBJECTIVES: To determine the annual incidence, characterize the severity and management, and identify predictors of accidental exposure among a cohort of children with peanut allergy. METHODS: From 2004 to November 2009, parents of Canadian children with a physician-confirmed peanut allergy completed entry and follow-up questionnaires about accidental exposures over the preceding year. Logistic regression analyses were used to examine potential predictors. RESULTS: A total of 1411 children [61.3% boys, mean age 7.1 yr (SD, 3.9)] participated. When all children were included, regardless of length of observation, 266 accidental exposures occurred over 2227 patient-years, yielding an annual incidence rate of 11.9% (95% CI, 10.6-13.5). When all accidental exposures occurring after study entry and patients providing <1 yr of observation were excluded, 147 exposures occurred over a period of 1175 patient-years, yielding a rate of 12.5% (95% CI, 10.7-14.5). Only 21% of moderate and severe reactions were treated with epinephrine. Age ≥13 yr at study entry (OR, 2.33; 95% CI, 1.20-4.53) and a severe previous reaction to peanut (OR, 2.04; 95% CI, 1.44-2.91) were associated with an increased risk of accidental exposure, and increasing disease duration (OR, 0.88; 95% CI, 0.83-0.92) with a decreased risk. CONCLUSION: The annual incidence rate of accidental exposure for children with peanut allergy is 12.5%. Children with a recent diagnosis and adolescents are at higher risk. Hence, education of allergic children and their families is crucial immediately after diagnosis and during adolescence. As many reactions were treated inappropriately, healthcare professionals require better education on anaphylaxis management.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».