The natural history of severe asthma and influences of early risk factors: a population-based cohort study
Notice bibliographique
Résumé
BACKGROUND: Severe asthma is associated with disproportionately high morbidity, but little is known about its natural history and how risk factors at first year of diagnosis modify its subsequent development. METHODS: Using administrative health data, we retrospectively followed patients 14-55 years of age with newly diagnosed severe asthma in British Columbia, Canada. Based on intensity of resource use (drug therapy) and occurrence of exacerbations, each patient-year was classified into mild, moderate, or severe asthma. We estimated the probability of transition between severity levels or to death over the study period using a four-state Markov model, and used this to assess the 10-year trajectory of severe asthma and the influence of baseline risk factors. RESULTS: We followed 13,467 patients. Ten years after incident severe asthma, 83% had transitioned to a less severe level (mild: 43%, moderate: 40%). Low socioeconomic status, high comorbidity burden, and high adherence (proportion of days covered (PDC) by asthma controller therapy) in the first year were independently associated with, respectively, 10%, 24% and 35% more time in severe asthma over the next 10 years. Sex was not associated with the clinical course. CONCLUSIONS: Most patients with incident severe asthma used fewer resources over time, indicating a long-term transition to milder asthma. Potentially modifiable risk factors for poor prognosis of severe asthma include low socioeconomic status and high comorbidity burden. The association between PDC and future asthma severity is likely due to residual confounding by disease severity.
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 ».