Systemic reactions to subcutaneous allergen immunotherapy: real-world cause and effect modelling
Notice bibliographique
Résumé
BACKGROUND: Subcutaneous immunotherapy (SCIT) is an effective treatment for allergic rhinoconjunctivitis. However, adverse events, including life-threatening systemic reactions, may occur. The purpose of this project is to identify risk factors for systemic reactions to SCIT and to provide practice-based solutions using a quality improvement (QI) framework. METHODS: A QI initiative was performed in a hospital-based, Canadian Allergy clinic administering SCIT in a 12-month period. RESULTS: A total of 4242 injections of SCIT were performed over a period of 12 months. Of these, 10 injections resulted in a systemic reaction requiring epinephrine administration (i.e., an incidence of 1 in 424 injections, or 0.24%). Eight patients had at least one documented risk factor for a systemic reaction, and six had multiple risk factors. Major risk factors included seasonal exacerbation of allergic rhinitis, uncontrolled asthma, and an error in route of administration. All reactions occurred with the highest allergen extract concentration. CONCLUSION: This QI initiative highlights the need for improved patient and health care practitioner education and pre-administration screening. We suggest several considerations for SCIT administration: provide patients with written information on safety; screen patients before injections, including a review of treatment plan adherence and asthma control; adjust dosing to slow down buildup of the most concentrated immunotherapy extract, particularly in high risk patients; and apply additional safety measures in patients with multiple risk factors.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».