Identifying super-responders
Notice bibliographique
Résumé
Asthma is a chronic respiratory disease marked by heterogeneity and variable clinical outcomes. Recent therapeutic advances have highlighted patients achieving optimal outcomes, termed "remission" or "super-response." This review evaluates the various definitions of these terms and explores how disease burden impedes the attainment of remission. We assessed multiple studies, including a recent systematic review and meta-analysis, on biologic treatments for asthma remission. Our review highlights that type 2 inflammation may be the strongest predictor of biologic response. Key comorbidities (eg, obesity and mood disorders) and behavioral factors (eg, poor adherence, improper inhalation technique, and smoking) were identified as dominant traits limiting remission. In addition, asthma burden and longer disease duration significantly restrict the potential for remission in patients with severe asthma under the current treatment paradigm. We review the potential for a "predict-and-prevent" approach, which focuses on early identification of high-risk patients with type 2 inflammation and aggressive treatment to improve long-term asthma outcomes. In conclusion, this scoping review highlights the following unmet needs in asthma remission: (1) a harmonized global definition, with better defined lung function parameters; (2) integration of nonbiologic therapies into remission strategies; and (3) a clinical trial of early biologic intervention in patients with remission-prone, very type 2-high, moderately severe asthma with clinical remission as a predefined primary end point.
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 | 0,007 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».