MétaCan
Menu
Retour à la cohorte
Enregistrement W4220796724 · doi:10.1002/clt2.12128

Allergen immunotherapy in MASK‐air users in real‐life: Results of a Bayesian mixed‐effects model

2022· article· en· W4220796724 sur OpenAlexaff
Bernardo Sousa‐Pinto, Luís Filipe Azevedo, Ana Sá‐Sousa, Rafael José Vieira, Rita Amaral, Ludger Klimek, Josep M. Antó, Anna Bedbrook, Violeta Kvedarienė, Maria Teresa Ventura, Ignacio J. Ansotegui, Karl‐Christian Bergmann, Luisa Brussino, Giorgio Walter Canonica, Victória Cardona, Pedro Martins, Thomas B. Casale, Lorenzo Cecchi, Tomás Chivato, Derek K. Chu, Cemal Cingi, Elı́sio Costa, Álvaro A. Cruz, Giulia De Feo, Philippe Devillier, Wytske J. Fokkens, Mina Gaga, Bilun Gemicioğlu, Tari Haahtela, Juan Carlos Ivancevich, Zhanat Ispayeva, Marek Jutel, Piotr Kuna, Ігор Петрович Кайдашев, Helga Kraxner, Désirée Larenas‐Linnemann, Daniel Laune, Brian J. Lipworth, Renaud Louis, Μichael Μakris, Riccardo Monti, Mário Morais‐Almeida, Ralph Mösges, Joaquim Mullol, Mikaëla Odemyr, Yoshitaka Okamoto, Nikolaos G. Papadopoulos, Vincenzo Patella, N. Pham‐Thi, Frederico S. Regateiro, Sietze Reitsma, Philip W. Rouadi, Bolesław Samoliński, Milan Sova, Ana Todo‐Bom, Luís Taborda‐Barata, Peter Valentin Tomazic, Sanna Toppila‐Salmi, J. Sastre, Ioanna Tsiligianni, Arūnas Valiulis, Dana Wallace, Susan Waserman, Arzu Yorgancıoğlu, Mihaela Zidarn, Torsten Zuberbier, João Fonseca, Jean Bousquet, Oliver Pfaar

Notice bibliographique

RevueClinical and Translational Allergy · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAllergic Rhinitis and Sensitization
Établissements canadiensMcMaster UniversityMcMaster University Medical CentreImpact
Organismes subventionnairesALK-AbellóEIT HealthCharité – Universitätsmedizin BerlinMylanNovartis
Mots-clésMedicineAllergySlitConfidence intervalAllergenInternal medicineImmunology

Résumé

récupéré en direct d'OpenAlex

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.

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)0,109
score de la tête « metaresearch » (Gemma)0,119
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,109
Score d'incertitude au seuil0,578

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1090,119
Méta-épidémiologie (sens strict)0,0050,003
Méta-épidémiologie (sens large)0,0090,020
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,002
Communication savante0,0050,004
Science ouverte0,0080,004
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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 Opus0,035
Tête enseignante GPT0,311
Écart entre enseignants0,277 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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