Establishing the diagnosis of peanut allergy in children never exposed to peanut or with an uncertain history: a cross-Canada study
Notice bibliographique
Résumé
The diagnosis of peanut allergy (PA) can be complex especially in children never exposed to peanut or with an uncertain history. The aim of the study is to determine which diagnostic algorithms are used by Canadian allergists in such children. Children 1-17 yrs old never exposed to peanut or with an uncertain history having an allergist-confirmed diagnosis of PA were recruited from the Montreal Children's Hospital (MCH) and allergy advocacy organizations. Data on their clinical history and confirmatory testing were compared to six diagnostic algorithms: I. Skin prick test (SPT) >or=8 mm or specific IgE >or=5 kU/l or positive food challenge (+FC); II. SPT >or=8 or IgE >or=15 or +FC; III. SPT >or=13 or IgE >or=5 or +FC; IV. SPT >or=13 or IgE >or=15 or +FC; V. SPT >or=3 and IgE >or=5 or IgE >or=5 or +FC; VI. SPT >or=3 and IgE >or=15 or IgE >or=15 or +FC. Multivariate logistic regression analysis was used to identify factors associated with the use of each algorithm. Of 497 children recruited, 70% provided full data. The least stringent algorithm, algorithm I, was applied in 81.6% (95% CI, 77-85.6%) of children and the most stringent, algorithm VI, in 42.6% (95% CI, 37.2-48.1%).The factor most associated with the use of all algorithms was diagnosis made at the MCH in those never exposed to peanut. Other factors associated with the use of specific diagnostic algorithms were higher paternal education, longer disease duration, and the presence of hives, asthma, eczema, or other food allergies. Over 18% (95% CI, 14.4-23.0%) of children were diagnosed with PA without fulfilling even the least stringent diagnostic criteria.
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 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».