Clinical Predictors of Health-related Quality of Life Depend on Asthma Severity
Notice bibliographique
Résumé
The National Asthma Education and Prevention Program guidelines define asthma severity before treatment by lung function and symptoms. It has been assumed, but not demonstrated, that improvement in these measures would translate into improvement in health-related quality of life (HRQL). Because HRQL is an important outcome in asthma management, we asked what are the determinants of HRQL? To address this question, we retrospectively analyzed HRQL data, as measured by the Juniper Asthma Quality of Life Questionnaire, in subjects with mild versus moderate-severe asthma from two clinical trials. We examined whether these traditional clinical outcomes have different relationships to HRQL depending on asthma severity. We also assessed whether the relationship between clinical outcomes and HRQL in subjects with moderate-severe asthma would change when subjects improved to mild-moderate disease with controller medication treatment. Lung function was not an independent predictor or determinant of HRQL at any level of asthma severity, whereas intensity of shortness of breath predicted HRQL at all levels of asthma severity. Rescue beta-agonist use independently predicted HRQL in subjects with mild asthma, but not in those with moderate-severe asthma. In subjects with moderate-severe asthma who improved to mild-moderate disease with controller treatment, rescue beta-agonist use predicted HRQL. We conclude that the independent determinants of HRQL vary according to asthma severity and change with asthma treatment.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».