Exacerbation risk in severe asthma is stratified by inflammatory phenotype using longitudinal measures of sputum eosinophils
Notice bibliographique
Résumé
BACKGROUND: Airway inflammatory phenotyping is increasingly applied to subjects with asthma. However, its relationship to clinical outcomes in difficult asthma is incompletely elucidated. OBJECTIVE: The goal of our study was to determine the relationship between exacerbation rates and phenotypes of difficult asthma based on the longitudinal measures of sputum eosinophils and neutrophils. METHODS: Subjects in the longitudinal observational study from two tertiary care centres that completed 1 year of observation and provided at least three sputum samples were classified by inflammatory phenotypes using previously established thresholds. Kaplan-Meier curves and univariable and multivariable Cox proportional hazard models were used to determine the association between inflammatory phenotypes and exacerbation rate. RESULTS: During the study, 115 exacerbations occurred in 73 severe asthmatic subjects. Subjects with the persistently eosinophilic phenotype had a significantly shorter time to first exacerbation and greater risk of exacerbation over a 1-year period than those with the non-eosinophilic phenotype based on the univariable and multivariable Cox proportional hazard model (hazard ratio [HR], 3.24; 95% confidence interval [CI], 1.35-7.72; adjusted HR, 3.90; 95% CI, 1.34-11.36). No significant differences in time to first exacerbation or exacerbation risk over a 1-year period were observed among the neutrophilic phenotypes. CONCLUSIONS: The persistent eosinophilic phenotype is associated with increased exacerbation risk compared with the non-eosinophilic phenotype in severe asthma. No differences in time to first exacerbation or exacerbation risk over a 1-year period were detected among neutrophilic phenotypes.
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) | 0,001 | 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 ».