Prevalence of allergic and nonallergic rhinitis in a rural area of northern China based on sensitization to specific aeroallergens
Notice bibliographique
Résumé
Most epidemiologic studies reporting prevalence of allergic rhinitis (AR) and nonallergic rhinitis (NAR) have assessed solely self-reported prevalence, without confirmation by objective measures. Furthermore, reports of prevalence of NAR in Chinese subjects are scarce. Thus, we aimed to explore the prevalence and risk factors of AR and NAR in a Chinese, based on both clinical manifestation and allergic status. We conducted a population-based cross-sectional survey, involving 1084 local residents from a rural area of Beijing, China. Participants were enrolled using a stratified two-stage cluster sampling method. All adult participants or the guardians of children completed standardized questionnaires to provide relevant demographic and clinical information. Skin prick tests were also performed to determine sensitization to specific aeroallergens. AR/NAR was classified according to Allergic Rhinitis and its Impact on Asthma criteria. Prevalence of self-reported AR was 46.80%. Based on SPT results, the confirmed standardized prevalence of AR and NAR were 16.78% and 24.60%, respectively. Severity scores for nasal itching, sneezing, rhinorrhea and congestion were significantly higher in subjects with AR, than subjects with NAR ( P < 0.05 for all). The three most common aeroallergens in self-reported AR group were Blattella germanica (16.6%), Dermatophagoides farinae (14.6%), and Dermatophagoides pteronyssinus (13.9%). Family history of AR and atopic dermatitis were significantly associated with AR (adjusted OR: 4.97 and 2.69, respectively), whereas family history of AR and asthma were significantly associated with NAR (adjusted OR: 3.53 and 2.45, respectively). Similarly, comorbid asthma, CRS, and atopic dermatitis were significant risk factors for both AR and NAR. Combination of standardized questionnaires and specific allergen tests may provide more accurate estimates of prevalence of AR and NAR and associated risk factors.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».