Phenotyping of Severe Asthma in the Era of Broad-Acting Anti-Asthma Biologics
Notice bibliographique
Résumé
Severe asthma is associated with significant morbidity and mortality despite the maximal use of inhaled corticosteroids and additional controller medications, and has a high economic burden. Biologic therapies are recommended for the management of severe, uncontrolled asthma to help to prevent exacerbations and to improve symptoms and health-related quality of life. The effective management of severe asthma requires consideration of clinical heterogeneity that is driven by varying clinical and inflammatory phenotypes, which are reflective of distinct underlying disease mechanisms. Phenotyping patients using a combination of clinical characteristics such as the age of onset or comorbidities and biomarker profiles, including blood eosinophil counts and levels of fractional exhaled nitric oxide and serum total immunoglobulin E, is important for the differential diagnosis of asthma. In addition, phenotyping is beneficial for risk assessment, selection of treatment, and monitoring of the treatment response in patients with asthma. This review describes the clinical and inflammatory phenotypes of asthma, provides an overview of biomarkers routinely used in clinical practice and those that have recently been explored for phenotyping, and aims to assess the value of phenotyping in severe asthma management in the current era of biologics.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| 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 ».