Virtually supported penicillin allergy de-labelling during COVID-19
Notice bibliographique
Résumé
BACKGROUND: Penicillin allergy is a commonly listed medication allergy despite rare overall incidence. Many patients erroneously have this label, which has personal, health, and societal costs. Penicillin allergy delabelling requires an oral challenge, which can be a rate limiting step in the de-labeling process; this is even more relevant with the reduction of in-person visits during the COVID-19 pandemic. OBJECTIVE: To identify the utility and broader applicability of using a virtually supported platform, initially adopted given COVID-19 restrictions, to expedite penicillin oral provocation challenge and penicillin de-labeling in patients at low to moderate risk of immediate hypersensitivity reaction and based on shared decision making. METHODS: Patients in Vancouver catchment area were referred for penicillin allergy and virtually assessed by the consulting allergist between July 2020 and April 2021. Those deemed appropriate for oral challenge based on the allergist consultant were offered the option of a virtual oral provocation challenge to oral amoxicillin in a subsequent virtual visit. Patients who agreed and were consented underwent a virtually supervised oral amoxicillin challenge during the second virtual visit. Findings are summarized in this case series. RESULTS: Twenty-three patients, both adult and pediatric, ranging from no to significant co-morbidities were consented and underwent the virtual challenge. One hundred percent of patients were successful with no reaction after an hour post virtual oral provocation challenge with amoxicillin. CONCLUSION: Virtual medicine is likely to remain in the allergist's practice. Virtually supported penicillin allergy delabelling, based on shared decision making and risk stratification, presents another pathway for penicillin allergy delabelling.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».