Diagnostic accuracy, risk assessment, and cost‐effectiveness of component‐resolved diagnostics for food allergy: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Component-resolved diagnostics (CRD) are promising tools for diagnosing food allergy, offering the potential to determine specific phenotypes and to develop patient-tailored risk profiles. Nevertheless, the diagnostic accuracy of these tests varies across studies; thus, their clinical utility remains unclear. Therefore, we synthesized the evidence from studies investigating the diagnostic accuracy, risk assessment ability, and cost-effectiveness of CRD for food allergy. METHODS: We systematically searched 10 electronic databases and four clinical trial registries for studies published from January 2000 to February 2017. The quality of included studies was assessed using QUADAS-2. Due to heterogeneity, we narratively synthesized the evidence. RESULTS: Eleven studies met inclusion criteria, altogether recruiting 1098 participants. The food allergies investigated were cow's milk, hen's egg, peanut, hazelnut, and shrimp. The components with the highest diagnostic accuracy for each allergen, along with their sensitivity-specificity pairs, were as follows: Bos d 4 for cow's milk (62.0% and 87.5%), Gal d 1 for hen's egg (84.2% and 89.8% for heated egg, and 60.6% and 97.1% for raw egg), Ara h 6 for peanut (94.9% and 95.1%), Cor a 14 for hazelnut (100% and 93.8%), and Lit v 1 for shrimp (82.8% and 56.3%) allergy. CONCLUSION: Selected components of cow's milk, hen's egg, peanut, hazelnut, and shrimp allergen showed high specificity, but lower sensitivity. However, few studies exist for each component, and studies vary widely regarding the cutoff values used, making it challenging to synthesize findings across studies. Further research is needed to determine clinically appropriate cutoff values, risk assessment abilities, and cost-effectiveness of CRD approaches.
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 | 0,021 | 0,125 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,013 | 0,018 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».