Specific IgE Decision Point Cutoffs in Children with IgE-Mediated Wheat Allergy and a Review of the Literature
Notice bibliographique
Résumé
BACKGROUND: Wheat IgE-mediated food allergy in children is one of the most frequent food allergies in westernized countries, affecting between 0.4 and 1% of children. Although 95% predictive decision points have been determined for major allergens such as peanut, egg, and milk, the diagnostic performances of wheat-specific IgE (sIgE) and wheat component testing are not well established. OBJECTIVES: The aim of this study was to determine sIgE decision point cutoffs in children with IgE-mediated wheat allergy and provide a review of the literature. METHOD: A retrospective review of wheat oral food challenges was performed at the pediatric allergy unit of the University Hospitals of Geneva between 2004 and 2019. Performance characteristics for wheat and ω-5 gliadin sIgE were calculated and positive and negative OFC data were compared using the Mann-Whitney U test. RESULTS: A wheat sIgE cutoff of 2.88 kUA/L had a sensitivity of 95% (negative decision point), whereas a cutoff of 78.1 kUA/L had a specificity of 95% (positive decision point). When giving equal weight to sensitivity and specificity, the optimal cutoff point for wheat sIgE was 12 kUA/L, which gave a specificity of 70% and a sensitivity of 66.67%. CONCLUSIONS: These findings suggest a high positive decision point for wheat sIgE (78.1 kUA/L). This reinforces the importance of considering OFC in children with IgE-mediated wheat allergy to confirm diagnosis even in patients with relatively high wheat sIgE values, as there is a risk of falsely mislabeling these patients as allergic.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| 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 ».