Medical management of allergic fungal rhinosinusitis following endoscopic sinus surgery: an evidence‐based review and recommendations
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
BACKGROUND: Allergic fungal rhinosinusitis (AFRS) is a subset of polypoid chronic rhinosinusitis that is characterized by the presence of eosinophilic mucin with fungal hyphae within the sinuses and a Type I hypersensitivity to fungi. The treatment of AFRS usually involves surgery in combination with medical therapies to keep the disease in a dormant state. However, what constitutes an optimal medical regimen is still controversial. Hence, the purpose of this article is to provide an evidence-based approach for the medical management of AFRS. METHODS: A systemic review of the literature on the medical management of AFRS was performed using Medline, EMBASE, and Cochrane Review Databases up to March 15, 2013. The inclusion criteria were as follows: patients >18 years old; AFRS as defined by Bent and Kuhn; post-sinus surgery; studies with a clearly defined end point to evaluate the effectiveness of medical therapy in postoperative AFRS patients. RESULTS: This review identified and assessed 6 medical modalities for AFRS in the literature: oral steroids; topical steroids; oral antifungals; topical antifungals; immunotherapy; and leukotriene modulators. CONCLUSION: Based on available evidence in the literature, postoperative systemic and standard topical nasal steroids are recommended in the medical management of AFRS. Nonstandard topical nasal steroids, oral antifungals, and immunotherapy are options in cases of refractory AFRS. No recommendations can be provided for topical antifungals and leukotriene modulators due to insufficient clinical research reported in the literature.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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