MétaCan
Menu
Retour à la cohorte
Enregistrement W4224861753 · doi:10.1007/s40629-022-00207-8

White paper peanut allergy

2022· article· en· W4224861753 sur OpenAlexaff
Katharina Blümchen, Anna Fischl, Thomas Eiwegger, Eckard Hamelmann, Ludger Klimek, Lars Lange, Zsolt Szépfalusi, Christian Vogelberg, Kirsten Beyer

Notice bibliographique

RevueAllergo Journal International · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueFood Allergy and Anaphylaxis Research
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicinePeanut allergyAnaphylaxisDesensitization (medicine)AccidentalArachis hypogaeaAllergyIngestionDermatologyAllergic reactionIntensive care medicineImmunologyPediatricsFood allergyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract The current management of a primary IgE-mediated peanut allergy consists of the two basic pillars “exposure prophylaxis” with avoidance of the allergen and “emergency therapy” with short-term treatment of an acute allergic reaction after accidental ingestion. Accidental reactions are common despite attempted avoidance. The severity of an allergic or even anaphylactic reaction after accidental ingestion is difficult to assess prior to reaction. In addition, reaction thresholds may vary depending on the accompanying augmentation factor. Therefore, every peanut allergic patient should receive individual dietary counseling as well as instructions for the use of the emergency kit and a structured patient education program (anaphylaxis group training), if necessary. For the first time, since fall 2021 a causal treatment option with a drug for oral immunotherapy will now be available for 4‑ to 17-year-old peanut-allergic children and adolescents. The oral immunotherapy with peanut protein as defatted powder of Arachis hypogaea L., semen (peanuts) leads to desensitization with a good efficacy record and an acceptable safety profile. Other treatment options with different therapeutic approaches are also under development and will probably expand the range for treatment in the coming years.

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)0,002
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: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,149
Score d'incertitude au seuil0,499

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,1490,052

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 Opus0,021
Tête enseignante GPT0,301
Écart entre enseignants0,280 · 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
GenreAutre

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

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAllergo Journal InternationalMême sujetFood Allergy and Anaphylaxis ResearchTravaux en français237 207