Biomarkers associated with persistence and severity of IgE-mediated food allergies: a systematic review
Notice bibliographique
Résumé
OBJECTIVE: The prevalence of food allergies (FA) has increased worldwide over the last few decades. Milk, eggs, and peanuts are among the most common allergens and can cause anaphylaxis. Therefore, we aimed to identify biomarkers that could predict the persistence and/or severity of IgE-mediated allergies to milk, eggs, and peanuts via a systematic review. METHODS: This systematic review proceeded according to a protocol registered in the International Prospective Register of Systematic Reviews. Two independent authors extracted studies of interest from PubMed, SciELO, EMBASE, Scopus, and Ebsco databases and assessed their quality using the Newcastle-Ottawa Scale. RESULTS: We selected 14 articles describing 1,398 patients. Among eight identified biomarkers, total IgE, specific IgE (sIgE), and IgG4 were the most often cited biomarkers of persistent allergies to milk, eggs, and peanuts. Skin prick tests, endpoint tests, and sIgE cutoff levels may predict positive responses to challenges with these foods. The basophil activation test is a biomarker for the severity and/or threshold of allergic reactions to milk and peanuts. CONCLUSION: Only a few publications identified possible prognostic indicators of the persistence or severity of FA and outcomes of oral food challenges, indicating that more accessible biomarkers are needed to determine the likelihood of having a severe food allergic reaction.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,000 | 0,000 |
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 tête enseignante, 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 ».