Modeling the conversion between specific IgE test platforms for nut allergens in children and adolescents
Notice bibliographique
Résumé
BACKGROUND: Multiplex tests allow for measurement of allergen-specific IgE responses to multiple extracts and molecular allergens and have several advantages for large cohort studies. Due to significant methodological differences, test systems are difficult to integrate in meta-analyses/systematic reviews since there is a lack of datasets with direct comparison. We aimed to create models for statistical integration of allergen-specific IgE to peanut/tree nut allergens from three IgE test platforms. METHODS: Plasma from Canadian and Austrian children/adolescents with peanut/tree nut sensitization and a cohort of sensitized, high-risk, pre-school asthmatics (total n = 166) were measured with three R&D multiplex IgE test platforms: Allergy Explorer version 1 (ALEX) (Macro Array Dx), MeDALL-chip (Mechanisms of Development of Allergy) (Thermo Fisher), and EUROLINE (EUROIMMUN). Skin prick test (n = 51) and ImmunoCAP (Thermo Fisher) (n = 62) results for extracts were available in a subset. Regression models (Multivariate Adaptive Regression Splines, local polynomial regression) were applied if >30% of samples were positive to the allergen. Intra-test correlations between PR-10 and nsLTP allergens were assessed. RESULTS: = 94%-56%) for peanut and tree nut sIgE testing at the extract and molecular-level, in order from highest to lowest: Ara h 2, Ara h 6, Jug r 1, Ana o 3, Ara h 1, Jug r 2, and Cor a 9. CONCLUSION: Our models support the notion that quantitative conversion is possible between sIgE multiplex platforms for extracts and molecular allergens and may provide options to aggregate data for future meta-analysis.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».