The Allergic Rhinitis - Clinical Investigator Collaborative (AR-CIC) - optimizing the Nasal Allergen Challenge (NAC) model
Notice bibliographique
Résumé
We sought to optimize the Nasal Allergen Challenge (NAC) model to ensure reliability and repeatability of results by modifying the qualifying criteria and allergen concentration during the challenge. 20 Allergic Rhinitis (AR) participants underwent NAC to determine the concentration at which a Total Nasal Symptom Score (TNSS) of 10/12 OR a Peak Nasal Inspiratory Flow (PNIF) reduction of 50 % was achieved. 4-fold increases in allergen concentration were administered every 15 minutes until qualification criteria were met. The Qualifying Allergen Concentration (QAC) reached was used as a single challenge dose at the subsequent NAC visit. 10 additional ragweed allergic and 4 non-allergic participants were qualified at a TNSS of 8/12 AND a PNIF reduction of 50%. Cumulative Allergen Concentration (CAC) of all incremental doses was used during the subsequent NAC visit. Participants recorded TNSS and PNIF at baseline, 15 minutes, 30 minutes, 1 hour and hourly afterwards up to 12 hours post-challenge during the NAC visit. QAC study participants qualifying only based on PNIF reduction had significantly lower TNSS scores than those qualifying on TNSS only or TNSS+PNIF (p<0.01). Participants in both studies’ NAC visit reached peak TNSS at 15 minutes post-challenge followed by a gradual symptom decline, while the “PNIF only” group had significantly lower TNSS compared to others. All 3 groups experienced a decline in peak TNSS following NAC compared to screening, although groups qualifying on TNSS and TNSS+PNIF maintained their PNIF scores. The NAC model is well-suited to study AR symptoms. TNSS and PNIF are complementary and must be integrated in the qualifying criteria. Further protocol modifications, such as with multiple allergen challenges during the NAC visit, may produce even more repeatable results. Through optimizing the NAC protocol, the model achieves reproducible results and becomes more reliable; suitable for testing new medications in clinical trials.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».