Noninvasive methods for assessment of airway inflammation in occupational settings
Notice bibliographique
Résumé
To cite this article: Quirce S, Lemière C, de Blay F, del Pozo V, Gerth Van Wijk R, Maestrelli P, Pauli G, Pignatti P, Raulf‐Heimsoth M, Sastre J, Storaas T, Moscato G. Noninvasive methods for assessment of airway inflammation in occupational settings. Allergy 2010; 65: 445–458. Abstract The present document is a consensus statement reached by a panel of experts on noninvasive methods for assessment of airway inflammation in the investigation of occupational respiratory diseases, such as occupational rhinitis, occupational asthma, and nonasthmatic eosinophilic bronchitis. Both the upper and the lower airway inflammation have been reviewed and appraised reinforcing the concept of ‘united airway disease’ in the occupational settings. The most widely used noninvasive methods to assess bronchial inflammation are covered: induced sputum, fractional exhaled nitric oxide (FeNO) concentration, and exhaled breath condensate. Nasal inflammation may be assessed by noninvasive approaches such as nasal cytology and nasal lavage, which provide information on different aspects of inflammatory processes (cellular vs mediators). Key messages and suggestions on the use of noninvasive methods for assessment of airway inflammation in the investigation and diagnosis of occupational airway diseases are issued.
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 | 0,009 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».