MétaCan
Menu
Retour à la cohorte
Enregistrement W2581300200 · doi:10.1111/all.13135

Novel approaches and perspectives in allergen immunotherapy

2017· review· en· W2581300200 sur OpenAlexaff
Hans Jürgen Hoffmann, Erkka Valovirta, Oliver Pfaar, Philippe Moingeon, Johannes Martin Schmid, Søren Helbo Skaarup, Lars‐Olaf Cardell, Knud Simonsen, Mark Larché, Stephen R. Durham, Poul Sørensen

Notice bibliographique

RevueAllergy · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueAllergic Rhinitis and Sensitization
Établissements canadiensMcMaster University
Organismes subventionnairesAllergopharmaRegeneron PharmaceuticalsNovartisMerck
Mots-clésMedicineAllergen immunotherapyPublic healthClinical trialImmunotherapyHarmonizationAllergyImmunologyIntensive care medicineAllergenPathology

Résumé

récupéré en direct d'OpenAlex

In this review, we report on relevant current topics in allergen immunotherapy (AIT) which were broadly discussed during the first Aarhus Immunotherapy Symposium (Aarhus, Denmark) in December 2015 by leading clinicians, scientists and industry representatives in the field. The aim of this symposium was to highlight AIT-related aspects of public health, clinical efficacy evaluation, mechanisms, development of new biomarkers and an overview of novel therapeutic approaches. Allergy is a public health issue of high socioeconomic relevance, and development of evidence-based action plans to address allergy as a public health issue ought to be on national and regional agendas. The underlying mechanisms are in the focus of current research that lays the ground for innovative therapies. Standardization and harmonization of clinical endpoints in AIT trials as well as current knowledge about potential biomarkers have substantiated proof of effectiveness of this disease-modifying therapeutic option. Novel treatments such as peptide immunotherapy, intralymphatic immunotherapy and use of recombinant allergens herald a new age in which AIT may address treatment of allergy as a public health issue by reaching a large fraction of patients.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,251
Tête enseignante GPT0,355
Écart entre enseignants0,104 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations95
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAllergyMême sujetAllergic Rhinitis and SensitizationTravaux en français237 207