Notice bibliographique
Résumé
PURPOSE OF REVIEW: Asthma is heterogeneous with different endotypes/phenotypes. Response to corticosteroids is variable and novel biological therapies are proving useful. Biomarkers allow individualization of treatment. This review provides an update on available data regarding asthma biomarkers with focus on their utility for prediction of response to steroidal and new biological therapies. RECENT FINDINGS: Blood eosinophils are a biomarker with acceptable accuracy as a surrogate for sputum eosinophilia, are associated with relevant outcomes, and are more readily measureable. New evidence supports fraction of exhaled nitric oxide (FENO)-based treatment algorithms for cost-effective maintenance of asthma control/quality of life. Serum and sputum-derived periostin are biomarkers of lung function decline and associated with eosinophilic airway inflammation. Transcriptomics show promise for endotyping; their role in management remains to be determined. Biomarker panels may improve predictive value as shown for the combination of FENO/urinary bromotyrosine in prediction of steroid responsiveness. Novel biological therapies are proving effective in biomarker-selected populations. SUMMARY: Biomarkers including blood eosinophils and FENO are proving to have utility for the effective administration of steroidal and novel biological therapies in asthma, allowing individualized treatment. Transcriptomics can discriminate subtypes of asthma and may have a role in delivery of individualized therapy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».