Peanut‐induced anaphylaxis in children and adolescents: Data from the European Anaphylaxis Registry
Notice bibliographique
Résumé
BACKGROUND: Peanut allergy has a rising prevalence in high-income countries, affecting 0.5%-1.4% of children. This study aimed to better understand peanut anaphylaxis in comparison to anaphylaxis to other food triggers in European children and adolescents. METHODS: Data was sourced from the European Anaphylaxis Registry via an online questionnaire, after in-depth review of food-induced anaphylaxis cases in a tertiary paediatric allergy centre. RESULTS: 3514 cases of food anaphylaxis were reported between July 2007 - March 2018, 56% in patients younger than 18 years. Peanut anaphylaxis was recorded in 459 children and adolescents (85% of all peanut anaphylaxis cases). Previous reactions (42% vs. 38%; p = .001), asthma comorbidity (47% vs. 35%; p < .001), relevant cofactors (29% vs. 22%; p = .004) and biphasic reactions (10% vs. 4%; p = .001) were more commonly reported in peanut anaphylaxis. Most cases were labelled as severe anaphylaxis (Ring&Messmer grade III 65% vs. 56% and grade IV 1.1% vs. 0.9%; p = .001). Self-administration of intramuscular adrenaline was low (17% vs. 15%), professional adrenaline administration was higher in non-peanut food anaphylaxis (34% vs. 26%; p = .003). Hospitalization was higher for peanut anaphylaxis (67% vs. 54%; p = .004). CONCLUSIONS: The European Anaphylaxis Registry data confirmed peanut as one of the major causes of severe, potentially life-threatening allergic reactions in European children, with some characteristic features e.g., presence of asthma comorbidity and increased rate of biphasic reactions. Usage of intramuscular adrenaline as first-line treatment is low and needs to be improved. The Registry, designed as the largest database on anaphylaxis, allows continuous assessment of this condition.
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 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».