MétaCan
Menu
Retour à la cohorte
Enregistrement W4400140665 · doi:10.2196/57340

Hospitalizations for Food-Induced Anaphylaxis Between 2016 and 2021: Population-Based Epidemiologic Study

2024· article· en· W4400140665 sur OpenAlexvenueno aff
Rodrigo Jiménez‐García, Ana López‐de‐Andrés, Valentín Hernández‐Barrera, José J. Zamorano‐León, Natividad Cuadrado‐Corrales, Javier de Miguel‐Díez, Jose Luis del-Barrio, Ana Jiménez-Sierra, David Carabantes-Alarcón

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueFood Allergy and Anaphylaxis Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPoisson regressionMedicineIncidence (geometry)EpidemiologyLogistic regressionPopulationObservational studyPublic healthIntensive care unitEnvironmental healthEmergency departmentOral food challengePediatricsDemographyFood allergyEmergency medicineAllergyInternal medicineImmunology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Food-induced anaphylaxis (FIA) is a major public health problem resulting in serious clinical complications, emergency department visits, hospitalization, and death. OBJECTIVE: This study aims to assess the epidemiology and the trends in hospitalizations because of FIA in Spain between 2016 and 2021. METHODS: An observational descriptive study was conducted using data from the Spanish National Hospital discharge database. Information was coded based on the International Classification of Diseases, Tenth Revision. The study population was analyzed by gender and age group and according to food triggers, clinical characteristics, admission to the intensive care unit, severity, and in-hospital mortality. The annual incidence of hospitalizations because of FIA per 100,000 person-years was estimated and analyzed using Poisson regression models. Multivariable logistic regression models were constructed to identify which variables were associated with severe FIA. RESULTS: A total of 2161 hospital admissions for FIA were recorded in Spain from 2016 to 2021. The overall incidence rate was 0.77 cases per 100,000 person-years. The highest incidence was found in those aged <15 years (3.68), with lower figures among those aged 15 to 59 years (0.25) and ≥60 years (0.29). Poisson regression showed a significant increase in incidence from 2016 to 2021 only among children (3.78 per 100,000 person-years vs 5.02 per 100,000 person-years; P=.04). The most frequent food triggers were "milk and dairy products" (419/2161, 19.39% of cases) and "peanuts or tree nuts and seeds" (409/2161, 18.93%). Of the 2161 patients, 256 (11.85%) were hospitalized because FIA required admission to the intensive care unit, and 11 (0.51%) patients died in the hospital. Among children, the most severe cases of FIA appeared in patients aged 0 to 4 years (40/99, 40%). Among adults, 69.4% (111/160) of cases occurred in those aged 15 to 59 years. Multivariable logistic regression showed the variables associated with severe FIA to be age 15 to 59 years (odds ratio 5.1, 95% CI 3.11-8.36), age ≥60 years (odds ratio 3.87, 95% CI 1.99-7.53), and asthma (odds ratio 1.71,95% CI 1.12-2.58). CONCLUSIONS: In Spain, the incidence of hospitalization because of FIA increased slightly, although the only significant increase (P=.04) was among children. Even if in-hospital mortality remains low and stable, the proportion of severe cases is high and has not improved from 2016 to 2021, with older age and asthma being risk factors for severity. Surveillance must be improved, and preventive strategies must be implemented to reduce the burden of FIA.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,075
Tête enseignante GPT0,386
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetFood Allergy and Anaphylaxis ResearchTravaux en français237 207