What Do We Know about Asthma Triggers? A Review of the Literature
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: For patients with asthma, exacerbations and poor control can result from exposure to environmental triggers, such as allergens and air particulates. This study reviewed the international literature to determine whether a global checklist of common asthma triggers might be feasible for use as a research or management tool in clinical practice. METHODS: Literature published from 2002 to 2012 was identified through PubMed and EMBASE using the following search terms: asthma, asthma triggers, prevalence, among others. A total of 1046 abstracts were found; 85 articles were reviewed covering six continents (number of articles): Africa (1), Asia (22), Australia (1), Europe (27), North America (22), and South America (4). RESULTS: The literature consistently pointed to asthma triggers as one contributor to poor asthma control. Frequently cited triggers were similar across countries/regions and included allergens (particularly pollens, molds, dust, and pet dander), tobacco smoke, exercise, air pollutants/particulates, weather patterns/changes, and respiratory infections. Definitions of asthma triggers, how triggers are taken into account in definitions of asthma control, and scientific inquiry into optimal management techniques for triggers were inconsistent and sparse. CONCLUSIONS: Given the apparent importance of triggers in attaining and maintaining asthma control, empirical research concerning optimal trigger management is needed. Results demonstrate that asthma triggers are similar across continents, suggesting a global checklist of triggers for use in research and clinical practice would be feasible.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle