Treatable traits can be identified in a severe asthma registry and predict future exacerbations
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: A new taxonomic and management approach, termed treatable traits, has been proposed for airway diseases including severe asthma. This study examined whether treatable traits could be identified using registry data and whether particular treatable traits were associated with future exacerbation risk. METHODS: The Australasian Severe Asthma Web-Based Database (SAWD) enrolled 434 participants with severe asthma and a comparison group of 102 participants with non-severe asthma. Published treatable traits were mapped to registry data fields and their prevalence was described. Participants were characterized at baseline and every 6 months for 24 months. RESULTS: In SAWD, 24 treatable traits were identified in three domains: pulmonary, extrapulmonary and behavioural/risk factors. Patients with severe asthma expressed more pulmonary and extrapulmonary treatable traits than non-severe asthma. Allergic sensitization, upper-airway disease, airflow limitation, eosinophilic inflammation and frequent exacerbations were common in severe asthma. Ten traits predicted exacerbation risk; among the strongest were being prone to exacerbations, depression, inhaler device polypharmacy, vocal cord dysfunction and obstructive sleep apnoea. CONCLUSION: Treatable traits can be assessed using a severe asthma registry. In severe asthma, patients express more treatable traits than non-severe asthma. Traits may be associated with future asthma exacerbation risk demonstrating the clinical utility of assessing treatable traits.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».