Treatment of allergic rhinitis using mobile technology with real‐world data: The <scp>MASK</scp> observational pilot study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Large observational implementation studies are needed to triangulate the findings from randomized control trials as they reflect "real-world" everyday practice. In a pilot study, we attempted to provide additional and complementary insights on the real-life treatment of allergic rhinitis (AR) using mobile technology. METHODS: A mobile phone app (Allergy Diary, freely available in Google Play and Apple App stores) collects the data of daily visual analog scales (VAS) for (i) overall allergic symptoms, (ii) nasal, ocular, and asthma symptoms, (iii) work, as well as (iv) medication use using a treatment scroll list including all medications (prescribed and over the counter (OTC)) for rhinitis customized for 15 countries. RESULTS: A total of 2871 users filled in 17 091 days of VAS in 2015 and 2016. Medications were reported for 9634 days. The assessment of days appeared to be more informative than the course of the treatment as, in real life, patients do not necessarily use treatment on a daily basis; rather, they appear to increase treatment use with the loss of symptom control. The Allergy Diary allowed differentiation between treatments within or between classes (intranasal corticosteroid use containing medications and oral H1-antihistamines). The control of days differed between no [best control], single, or multiple treatments (worst control). CONCLUSIONS: This study confirms the usefulness of the Allergy Diary in accessing and assessing everyday use and practice in AR. This pilot observational study uses a very simple assessment (VAS) on a mobile phone, shows novel findings, and generates new hypotheses.
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.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle