The Sino‐Nasal Outcome Test–22 as a tool to identify chronic rhinosinusitis in adults with cystic fibrosis
Notice bibliographique
Résumé
BACKGROUND: Chronic rhinosinusitis (CRS) is becoming increasingly prevalent in adults with cystic fibrosis (CF), as the median age of survival rises for these individuals. Delayed identification of CRS may contribute to worsening health-related quality of life and increased treatment burden. Our objective was to investigate the utility of the 22-item Sino-Nasal Outcome Test (SNOT-22) as a tool to identify CRS in adults with CF. METHODS: In this cross-sectional study, participants were sampled from an adult-specific CF clinic in Vancouver, Canada, between September 2013 and April 2014. CRS was determined by use of standardized diagnostic guidelines. Participants completed the SNOT-22 and medical charts were reviewed for additional predictor variables. Logistic regression was used to compare the SNOT-22 as a univariable predictor variable to a multivariable prediction model, in order to best differentiate CRS and non-CRS participants. RESULTS: Ninety-three of 101 adults provided written informed consent. The prevalence of CRS was 56.3% (95% confidence interval [CI], 45.9% to 66.3%). Individuals with CRS reported significantly higher SNOT-22 scores than non-CRS participants (mean difference: 13.9; 95% CI, 6.1 to 21.7). The optimal SNOT-22 score to differentiate CRS was 21 out of 110 (sensitivity: 76%, specificity: 61%, positive predictive value: 71%, likelihood ratio: 1.9). CONCLUSION: Compared to the current diagnostic gold standard, SNOT-22 scores greater than 21 sufficiently identified adults with CF presenting with concomitant CRS. The SNOT-22 is a simple instrument that can easily be implemented in adult CF clinics to assist care providers identify individuals requiring more detailed assessment or referral to a sinus clinic.
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 | 0,001 |
| 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 ».