Respiratory Viruses and Treatment Failure in Children With Asthma Exacerbation
Notice bibliographique
Résumé
OBJECTIVES: Respiratory pathogens commonly trigger pediatric asthma exacerbations, but their impact on severity and treatment response remains unclear. METHODS: We performed a secondary analysis of the Determinants of Oral Corticosteroid Responsiveness in Wheezing Asthmatic Youth (DOORWAY) study, a prospective cohort study of children (aged 1-17 years) presenting to the emergency department with moderate or severe exacerbations. Nasopharyngeal specimens were analyzed by RT-PCR for 27 respiratory pathogens. We investigated the association between pathogens and both exacerbation severity (assessed with the Pediatric Respiratory Assessment Measure) and treatment failure (hospital admission, emergency department stay >8 hours, or relapse) of a standardized severity-specific treatment. Logistic multivariate regressions were used to estimate average marginal effects (absolute risks and risk differences [RD]). RESULTS: Of 958 participants, 61.7% were positive for ≥1 pathogen (rhinovirus was the most prevalent [29.4%]) and 16.9% experienced treatment failure. The presence of any pathogen was not associated with higher baseline severity but with a higher risk of treatment failure (20.7% vs 12.5%; RD = 8.2% [95% confidence interval: 3.3% to 13.1%]) compared to the absence of a pathogen. Nonrhinovirus pathogens were associated with an increased absolute risk (RD) of treatment failure by 13.1% (95% confidence interval: 6.4% to 19.8%), specifically, by 8.8% for respiratory syncytial virus, 24.9% for influenza, and 34.1% for parainfluenza. CONCLUSIONS: Although respiratory pathogens were not associated with higher severity on presentation, they were associated with increased treatment failure risk, particularly in the presence of respiratory syncytial virus, influenza, and parainfluenza. This supports influenza prevention in asthmatic children, consideration of pathogen identification on presentation, and exploration of treatment intensification for infected patients at higher risk of treatment failure.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».