Early introduction of peanut reduces peanut allergy across risk groups in pooled and causal inference analyses
Notice bibliographique
Résumé
BACKGROUND: The Learning Early About Peanut allergy (LEAP) study has shown the effectiveness of early peanut introduction in prevention of peanut allergy (PA). In the Enquiring About Tolerance (EAT) study, a statistically significant reduction in PA was present only in per-protocol (PP) analyses, which can be subject to bias. OBJECTIVE: The aim of this study was to combine individual-level data from the LEAP and EAT trials and provide robust evidence on the bias-corrected, causal effect of early peanut introduction. METHOD: As part of the European Union-funded iFAAM project, this pooled analysis of individual pediatric patient data combines and compares effectiveness and efficacy estimates of oral tolerance induction among different risk strata and analysis methods. RESULTS: An intention-to-treat (ITT) analysis of pooled data showed a 75% reduction in PA (p < .0001) among children randomized to consume peanut from early infancy. A protective effect was present across all eczema severity groups, irrespective of enrollment sensitization to peanut, and across different ethnicities. Earlier age of introduction was associated with improved effectiveness of the intervention. In the pooled PP analysis, peanut consumption reduced the risk of PA by 98% (p < .0001). A causal inference analysis confirmed the strong PP effect (89% average treatment effect relative risk reduction p < .0001). A multivariable causal inference analysis approach estimated a large (100%) reduction in PA in children without eczema (p = .004). CONCLUSION: We demonstrate a significant reduction in PA with early peanut introduction in a large group of pooled, randomized participants. This significant reduction was demonstrated across all risk subgroups, including children with no eczema. Furthermore, our results point to increased efficacy of the intervention with earlier age of introduction.
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 | 0,283 | 0,386 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,003 |
| Méta-épidémiologie (sens large) | 0,014 | 0,053 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».