Oscillometry to support clinical assessment in asthmatic preschoolers: Real-life impact
Notice bibliographique
Résumé
In preschoolers, asthma control is assessed clinically using history and physical examination. In certain centres, oscillometry is used to support clinical assessment; yet its clinical utility for asthma management remains to be quantified. The objectives were to determine if oscillometry, as adjunct to clinical assessment, influences asthma assessment, management and control, compared to clinical assessment alone in preschoolers. We conducted a cross-sectional study in children aged 3-5 years with a confirmed asthma diagnosis. Oscillometry-tested preschoolers were matched by propensity score to untested children. The co-primary outcomes, the likelihood of a persistent asthma phenotype and a maintenance therapy prescription at the index visit, were examined by multivariable logistic regression. Asthma control over the next year was examined by cumulative logistic regression in the nested retrospective cohort with available drug claim data. The cohort comprised 726 (249 oscillometry-tested; 477 untested) children with 57.4% male (median age: 4.6 years). Propensity score matching resulted in comparable groups. Compared to controls, oscillometry-tested children were more frequently labelled with a persistent phenotype (67% vs. 50%; adjusted OR [95% CI]: 2.34 [1.66-3.34]) with no significant difference in maintenance therapy prescription (65% vs. 58%; 1.37 [0.98-1.92]); but experienced a lower likelihood of poor control over the next year (adjusted OR [95% CI]: 0.24 [0.08-0.74]). The association between the addition of oscillometry to clinical assessment with more persistent phenotype labelling and better asthma control supports its clinical utility; no significant impact on maintenance therapy prescription was observed at the index visit.
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 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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes 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 ».