Monitoring of peanut-allergic patients with peanut-specific IgE
Notice bibliographique
Résumé
Peanut allergy affects approximately 1% of the population. Double-blind placebo-controlled food challenges are gold standard for diagnosis. Serum peanut-specific IgE (PN-IgE) is used in clinical practice as an additional diagnostic and monitoring tool. The purpose of this study was to characterize the clinical features of a peanut-allergic patient's cohort and determine the optimum frequency of measuring PN-IgE to predict the outcome of future peanut challenges. Retrospective chart review was performed of peanut-allergic patients followed up and serially tested for PN-IgE with a qualitative antibody fluorescent-enzyme immunoassay performed at the Immunology Laboratory, London Health Sciences Center, from 1997 to 2004. One hundred eighteen patients (median age at first reaction to peanut, 1.5 years; median baseline PN-IgE, 18.75) were reviewed. Younger age at first reaction and first PN-IgE measurement predicted slower decline of PN-IgE values (p < 0.001 and p = 0.044). At 2 and 5 years post-initial measurement, 12.9 and 66%, respectively, of all patients had a significant decrease of PN-IgE values. Twenty percent of the patients experienced elevation of PN-IgE levels during follow-up. For most patients with significant history of reaction to peanuts and positive skin-prick test, it is probably adequate to measure serum PN-IgE levels every 3-5 years to screen for development of tolerance and predict the outcome of future peanut challenges. More frequent measurements might be considered in older patients with lower initial PN-IgE levels.
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 | 0,000 |
| 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 ».