Notice bibliographique
Résumé
Background: We undertook a randomised, double-blind, double-dummy, controlled trial of subcutaneous and sublingual grass pollen immunotherapy.Method: Nasal allergen challenge with grass pollen extract (Aquagen SQ, Phleum pratense, ALK, Denmark) was carried out in 106 participants before randomisation to one of three arms: active-SCIT (Alutard SQ, ALK), active-SLIT (Grazax, ALK) or double-placebo.Repeat challenges were carried out at 1 and 2 years of treatment, then again after 12 months off treatment (year 3).Response to challenge, acutely and over 10 h, was assessed by total nasal symptom score (TNSS, scale: 0-12) and peak nasal inspiratory flow (PNIF, l/min).Nasal fluid was collected and analysed by immunoassay.Results: SCIT inhibited TNSS at 1 year compared to placebo (P < 0.01) and SLIT (P = 0.03).SLIT did not reduce TNSS at 1 year (P = 0.13 vs placebo); both treatments reduced TNSS at 2 years (SCIT P < 0.01; SLIT P = 0.02), with no difference between the two (P = 0.20).Both treatments improved PNIF at years 1 and 2 vs placebo (SCIT P < 0.01, P < 0.01; SLIT P = 0.02, P = 0.01).Nasal fluid interleukin 2 (IL-2), IL-4, IL-5, and IL-13 were equally reduced by both treatments (all P < 0.05); there was no effect on IFN-c, IL-10, IL-12p70, tryptase or ECP.Clinical and immunological effects were not maintained at year 3. Conclusion: Two years SCIT or SLIT is effective in suppressing allergen-induced nasal responses and local Th2 cytokines; this effect is not apparent at year 3 which suggests that two years' treatment is insufficient for long-term tolerance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,844 | 0,648 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».