MétaCan
Menu
Retour à la cohorte
Enregistrement W4401517180 · doi:10.1080/02770903.2024.2391441

Efficacy and safety of subcutaneous and sublingual allergen immunotherapy in the treatment of asthma in children: a systematic review and meta-analysis

2024· review· en· W4401517180 sur OpenAlexaboutno aff
Wenwen Yang, Weijie Wang, Yishu Ji, Huisong Pan

Notice bibliographique

RevueJournal of Asthma · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueAllergic Rhinitis and Sensitization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineSlitAsthmaSublingual immunotherapyMeta-analysisImmunotherapyAllergenAllergen immunotherapyImmunologySublingual administrationAllergySystematic reviewDermatologyMEDLINEInternal medicineImmune system

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Asthma is a common chronic condition in children globally. Allergen-specific immunotherapy, such as subcutaneous (SCIT) and sublingual (SLIT) therapies, are promising by increasing allergen tolerance. This meta-analysis compares the efficacy and safety of SLIT and SCIT in pediatric asthma. METHODS: R software version 4.3.2 and RevMan version 5.4. Study quality and bias risk were assessed using the Newcastle-Ottawa Scale and Cochrane Risk of Bias Tool. RESULTS: The literature search yielded a total of 1787 records, with 7 studies meeting the inclusion criteria after screening and assessments. There was no significant difference in the Total Asthma Symptoms Score between SLIT and SCIT (mean difference -0.05 [95% CI: -0.21; 0.10]). However, asthma improvement rates were higher in the SLIT group (risk ratio 0.77 [95% CI: 0.64; 0.93]). FEV1 improvement showed no significant difference (mean difference -1.60 [95% CI: -6.27; 3.08]). Adverse events were similar between the treatments (risk ratio 0.56 [95% CI: 0.11; 2.82]). CONCLUSIONS: SLIT and SCIT were generally similarly effective and safe for treating pediatric asthma. SLIT may be preferred due to its noninvasive administration. More research is needed on long-term effects and tailored treatment approaches.

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)0,009
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,022
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0200,038
Bibliométrie0,0050,005
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,038
Tête enseignante GPT0,337
Écart entre enseignants0,299 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of AsthmaMême sujetAllergic Rhinitis and SensitizationTravaux en français237 207