Prevalence of food allergens sensitization and food allergies in a group of allergic Honduran children
Notice bibliographique
Résumé
BACKGROUND: Food allergy is a public health problem that has increased in the last decade. Despite the increasing rates in children, quality data on the burden of these diseases is lacking particularly in developing countries. Honduras has no studies in pediatric patients. OBJECTIVES: The objective of this research was to identify the most common sensitization patterns to food through epicutaneous skin testing and food allergy rates in children and their correlation with common allergic diseases in a group of patients from Hospital of Pediatrics Maria. METHODS: Cross-sectional retrospective, descriptive study in which records and database of all allergic patients in the immunology outpatient clinic from Hospital of Pediatrics Maria were reviewed between the periods of January 2015 through June 2016. RESULTS: A total of 365 children were analyzed, the age of participants were in the range from 1 to 18 years, with an average of 9.8 years. Sensitization to food allergens were found in 23, and 58.3% were poly-sensitized. The most common food allergens that patients were sensitized to: milk 9.0%, eggs 6.9%, peanut 4.9% and pork meat 4.4%. Food allergy was confirmed via oral food challenged in 9.3% of the patients. The most frequent food allergies found were: cow's milk allergy 6%, hen's egg allergy 5.2% and wheat allergy 1.9%. CONCLUSIONS: Milk and egg were the most common a food allergens found in the population studied. Most of the patients were found to be poly-sensitized. The frequent food allergies confirmed via oral food challenge were cow's milk allergy, hen's egg allergy and wheat allergy.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».