Prognostic model for accelerated decline in lung function due to occupational sensitizers: SAPALDIA study
Notice bibliographique
Résumé
<b>Background:</b> Prognostic models can be used to screen individuals at increased risk of developing an outcome. <b>Aims and Objectives:</b> To develop models predicting the probability of developing accelerated lung function decline in subjects exposed to occupational sensitizers. <b>Methods:</b> The study population consisted of subjects of the SAPALDIA cohort who were exposed to occupational high-molecular-weight (n = 347) or low-molecular-weight agents at baseline (n = 246) with a mean follow up of 10.9 years. According to ATS, a mean decline > 60 mL/year in pre-bronchodilation FEV1 between baseline and follow-up was defined as “accelerated”. We used logistic regression analysis to develop the questionnaire-based model. We evaluated the gain of adding atopy and respiratory function test results to it. Discriminative ability, calibration and internal validity of the models were evaluated. <b>Results:</b> 99 of 593 (16.7%) subjects had an accelerated decline in FEV1. The questionnaire model (including age, sex, smoking status, body mass index, pre-existing asthma and type of sensitizing agents at baseline) showed a reasonable discrimination (corrected area under receiver operating characteristic curve (AUC) of 0.716 (95% CI 0.693–0.739)). Adding high FEV1 (> 80% of predicted value) at baseline significantly increased the discriminative ability (corrected AUC 0.756 95% CI 0.736–0.807). Both models showed good calibration and internal validity. <b>Conclusions:</b> The questionnaire and FEV1 model quantifies individual probability of accelerated lung function decline with good calibration and internal validity in workers exposed to occupational sensitizers. External validation of the model is necessary.
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 | 0,001 |
| 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 ».