MétaCan
Menu
Retour à la cohorte
Enregistrement W2920859047 · doi:10.1007/s41030-019-0090-1

Inhaler Devices for Delivery of LABA/LAMA Fixed-Dose Combinations in Patients with COPD

2019· review· en· W2920859047 sur OpenAlexaff
Anthony D’Urzo, Kenneth R. Chapman, James F. Donohue, Péter Kardos, M. Reza Maleki-Yazdi, David Price

Notice bibliographique

RevuePulmonary Therapy · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueInhalation and Respiratory Drug Delivery
Établissements canadiensUniversity Health NetworkWomen's College HospitalUniversity of Toronto
Organismes subventionnairesNovartis Pharma
Mots-clésInhalerLamaMedicineCOPDDry-powder inhalerContext (archaeology)Intensive care medicineAsthmaInternal medicine

Résumé

récupéré en direct d'OpenAlex

Inhaled fixed-dose combinations (FDCs) of a long-acting β-agonist (LABA) and a long-acting muscarinic antagonist (LAMA) have become the cornerstone for the maintenance treatment of symptomatic COPD patients. In this regard, global COPD treatment guidelines have recognized the importance of inhaler devices as integral contributors to the effectiveness of LABA/LAMA FDCs and recommend regular assessment of inhaler device use by the patients in order to improve long-term clinical outcomes. Optimal disease control is also highly dependent upon patient preferences and adherence to inhaler devices. This review objectively examines and compares the major inhaler devices used to deliver different LABA/LAMA FDCs, discusses the inhaler device characteristics that determine drug deposition in the airways, real-life preference for inhaler devices, and handling of inhaler devices that impact the results of the long-term management of COPD. The introduction of new LABA/LAMA FDCs, new inhaler devices, and more clinical studies have created confusion among physicians in choosing the optimal inhaled therapy for COPD patients; in this context, this review attempts to provide an evidence-based framework for informed decision-making with a particular focus on the inhaler devices.Funding. The preparation of this manuscript was funded by Novartis Pharma AG.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,317
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePulmonary TherapyMême sujetInhalation and Respiratory Drug DeliveryTravaux en français237 207