Management of allergic rhinitis with leukotriene receptor antagonists versus selective H1-antihistamines: a meta-analysis of current evidence
Notice bibliographique
Résumé
Abstract Background Inconsistencies remain regarding the effectiveness and safety of leukotriene receptor antagonists (LTRAs) and selective H1-antihistamines (SAHs) for allergic rhinitis (AR). A meta-analysis of randomized controlled trials (RCTs) was conducted to compare the medications. Methods Relevant head-to-head comparative RCTs were retrieved by searching the PubMed, Embase, and Cochrane’s Library databases from inception to April 20, 2020. A random-effects model was applied to pool the results. Subgroup analyses were performed for seasonal and perennial AR. Results Fourteen RCTs comprising 4458 patients were included. LTRAs were inferior to SAHs in terms of the daytime nasal symptoms score (mean difference [MD]: 0.05, 95% confidence interval [CI] 0.02 to 0.08, p = 0.003, I 2 = 89%) and daytime eye symptoms score (MD: 0.05, 95% CI 0.01 to 0.08, p = 0.009, I 2 = 89%), but were superior in terms of the nighttime symptoms score (MD: − 0.04, 95% CI − 0.06 to − 0.02, p < 0.001, I 2 = 85%). The effects of the two treatments on the composite symptom score (MD: 0.02, 95% CI − 0.02 to 0.05, p = 0.30, I 2 = 91%) and rhinoconjunctivitis quality-of-life questionnaire (RQLQ) (MD: 0.01, 95% CI − 0.05 to 0.07, p = 0.71, I 2 = 99%) were similar. Incidences of adverse events were comparable (odds ratio [OR]: 0.97, 95% CI 0.75 to 1.25, p = 0.98, I 2 = 0%). These results were mainly obtained from studies on seasonal AR. No significant publication bias was detected. Conclusions Although both treatments are safe and effective in improving the quality of life (QoL) in AR patients, LTRAs are more effective in improving nighttime symptoms but less effective in improving daytime nasal symptoms compared to SAHs.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,003 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 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 ».