MétaCan
Menu
Retour à la cohorte
Enregistrement W2015931259 · doi:10.1155/2012/597306

Occupational Asthma: New Low-Molecular-Weight Causal Agents, 2000–2010

2012· article· en· W2015931259 sur OpenAlexaff
Jacques A. Pralong, André Cartier, Olivier Vandenplas, Manon Labrecque

Notice bibliographique

RevueJournal of Allergy · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueOccupational exposure and asthma
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésAlgorithmComputer scienceDatabaseMachine learningArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Background. More than 400 agents have been documented as causing occupational asthma (OA). The list of low-molecular-weight (LMW) agents that have been identified as potential causes of OA is constantly expanding, emphasizing the need to continually update our knowledge by reviewing the literature. Objective. The objective of this paper was to identify all new LMW agents causing occupational asthma reported during the period 2000-2010. Methods. A Medline search was performed using the keywords occupational asthma, new allergens, new causes, and low-molecular-weight agents. Results. We found 39 publications describing 41 new LMW causal agents, which belonged to the following categories: drugs (n = 12), wood dust (n = 11), chemicals (n = 8), metals (n = 4), biocides (n = 3), and miscellaneous (n = 3). The diagnosis of OA was confirmed through SIC for 35 of 41 agents, peak expiratory flow monitoring for three (3) agents, and the clinical history alone for three (3) agents. Immunological tests provided evidence supporting an IgE-mediated mechanism for eight (8) (20%) of the newly described agents. Conclusion. This paper highlights the importance of being alert to the occurrence of new LMW sensitizers, which can elicit OA. The immunological mechanism is explained by a type I hypersensitivity reaction in 20% of all newly described LMW agents.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,011
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,287
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of AllergyMême sujetOccupational exposure and asthmaTravaux en français237 207