Treatable traits can be identified in a severe asthma registry and predict future exacerbations
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 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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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