Allergen immunotherapy in MASK‐air users in real‐life: Results of a Bayesian mixed‐effects model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Evidence regarding the effectiveness of allergen immunotherapy (AIT) on allergic rhinitis has been provided mostly by randomised controlled trials, with little data from real-life studies. OBJECTIVE: app: those receiving sublingual AIT (SLIT), those receiving subcutaneous AIT (SCIT), and those receiving no AIT. METHODS: data of European users with self-reported grass pollen allergy, comparing the data reported by patients receiving SLIT, SCIT and no AIT. Outcome variables included the daily impact of allergy symptoms globally and on work (measured by visual analogue scales-VASs), and a combined symptom-medication score (CSMS). We applied Bayesian mixed-effects models, with clustering by patient, country and pollen season. RESULTS: We analysed a total of 42,756 days from 1,093 grass allergy patients, including 18,479 days of users under AIT. Compared to no AIT, SCIT was associated with similar VAS levels and CSMS. Compared to no AIT, SLIT-tablet was associated with lower values of VAS global allergy symptoms (average difference = 7.5 units out of 100; 95% credible interval [95%CrI] = -12.1;-2.8), lower VAS Work (average difference = 5.0; 95%CrI = -8.5;-1.5), and a lower CSMS (average difference = 3.7; 95%CrI = -9.3;2.2). When compared to SCIT, SLIT-tablet was associated with lower VAS global allergy symptoms (average difference = 10.2; 95%CrI = -17.2;-2.8), lower VAS Work (average difference = 7.8; 95%CrI = -15.1;0.2), and a lower CSMS (average difference = 9.3; 95%CrI = -18.5;0.2). CONCLUSION: In patients with grass pollen allergy, SLIT-tablet, when compared to no AIT and to SCIT, is associated with lower reported symptom severity. Future longitudinal studies following internationally-harmonised standards for performing and reporting real-world data in AIT are needed to better understand its 'real-world' effectiveness.
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle