MétaCan
Menu
Retour à la cohorte
Enregistrement W3111985162 · doi:10.1186/s13601-020-00342-x

Treatment of allergic rhinitis during and outside the pollen season using mobile technology. A MASK study

2020· review· en· W3111985162 sur OpenAlexaff
Annabelle Bédard, Xavier Basagaña, Josep M. Antó, Judith García‐Aymerich, Philippe Devillier, S. Arnavielhe, Anna Bedbrook, Gabrielle L. Onorato, Ruth Murray, Rute Almeida, João Fonseca, J. Correia da Sousa, Elı́sio Costa, Mário Morais‐Almeida, Ana Todo‐Bom, Lorenzo Cecchi, Giulia De Feo, M. Illario, Enrica Menditto, Riccardo Monti, Cristiana Stellato, Maria Teresa Ventura, I. Annesi‐Maesano, Isabelle Bossé, J.F. Fontaine, N. Pham‐Thi, Michel Thibaudon, Peter Schmid‐Grendelmeier, François Spertini, Niels H. Chavannes, Wytske J. Fokkens, Sietze Reitsma, R. Dubakiene, R. Emuzyte, Violeta Kvedarienė, Arūnas Valiulis, Piotr Kuna, Bolesław Samoliński, Ludger Klimek, Ralph Mösges, Oliver Pfaar, S. Shamai, Regina E. Roller‐Wirnsberger, Peter Valentin Tomazic, Dermot Ryan, Aziz Sheikh, Tari Haahtela, Sanna Toppila‐Salmi, E. Valovirta, Victória Cardona, Joaquim Mullol, A. Valero, Μichael Μakris, Nikolaos G. Papadopoulos, Emmanuel P. Prokopakis, Fotis Psarros, Claus Bachert, Peter W. Hellings, Benoı̂t Pugin, Carsten Bindslev‐Jensen, Esben Eller, Inger Kull, Erik Melén, Magnus Wickman, Govert de Vries, M. van Eerd, Ioana Agache, Ignacio J. Ansotegui, Sinthia Bosnic‐Anticevich, Álvaro A. Cruz, Thomas B. Casale, Juan Carlos Ivancevich, Désirée Larenas‐Linnemann, Mikhail Sofiev, Dana Wallace, Susan Waserman, Arzu Yorgancıoğlu, D. Laune

Notice bibliographique

RevueClinical and Translational Allergy · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueAllergic Rhinitis and Sensitization
Établissements canadiensMcMaster University
Organismes subventionnairesMylan
Mots-clésMedicinePollenAllergyDermatologyImmunology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The analysis of mobile health (mHealth) data has generated innovative insights into improving allergic rhinitis control, but additive information is needed. A cross-sectional real-world observational study was undertaken in 17 European countries during and outside the estimated pollen season. The aim was to collect novel information including the phenotypic characteristics of the users. METHODS: The Allergy Diary-MASK-air-mobile phone app, freely available via Google Play and App, was used to collect the data of daily visual analogue scales (VASs) for overall allergic symptoms and medication use. Fluticasone Furoate (FF), Mometasone Furoate (MF), Azelastine Fluticasone Proprionate combination (MPAzeFlu) and eight oral H1-antihistamines were studied. Phenotypic characteristics were recorded at entry. The ARIA severity score was derived from entry data. This was an a priori planned analysis. RESULTS: 9037 users filled in 70,286 days of VAS in 2016, 2017 and 2018. The ARIA severity score was lower outside than during the pollen season. Severity was similar for all treatment groups during the pollen season, and lower in the MPAzeFlu group outside the pollen season. Days with MPAzeFlu had lower VAS levels and a higher frequency of monotherapy than the other treatments during the season. Outside the season, days with MPAzeFlu also had a higher frequency of monotherapy. The number of reported days was significantly higher with MPAzeFlu during and outside the season than with MF, FF or oral H1-antihistamines. CONCLUSIONS: This study shows that the overall efficacy of treatments is similar during and outside the pollen season and indicates that medications are similarly effective during the year.

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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,089
Tête enseignante GPT0,380
Écart entre enseignants0,291 · 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

Citations44
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical and Translational AllergyMême sujetAllergic Rhinitis and SensitizationTravaux en français237 207