Type-2 biomarker elevation across asthma treatment steps in the ORACLE patient-level meta-analysis of all-comer trials
Notice bibliographique
Résumé
<bold>Rationale:</bold> The relationship between asthma treatment step and prevalence of raised blood eosinophil counts (BEC) and exhaled nitric oxide (FeNO) is unclear. <bold>Aim:</bold> To assess the proportion of trial patients with raised baseline BEC and FeNO across asthma treatment steps. <bold>Methods:</bold> We included participants from the control arms of 13 randomised controlled asthma trials not enriching for biomarkers (Novel START, PRACTICAL, CAPTAIN, Dupilumab phase 2b, LAVOLTA 1-2, LUTE-VERSE, MILLY, PACT, QUEST, STRATOS 1-2; all part of the OxfoRd Asthma attaCk risk scaLE (ORACLE) patient-level meta-analysis). Proportions of patients were tabulated for baseline BEC×FeNO categories per treatment step. A proportion test assessed differences in biomarker prevalence across steps in 10 imputed datasets. <bold>Results:</bold> 4292 patients were included. Raised biomarkers occurred significantly more in mild asthma (Fig). Baseline BEC and FeNO elevation (≥0.3×109/L and ≥50 ppb) was observed in n=61/315 (27%) of step 1, 63/315 (20%) of step 2, 50/846 (6%) of step 3, 175/1635 (11%) of step 4, and 158/1271 (12%) of step 5 populations (p<2.2E-16). <bold>Conclusion:</bold> In unselected clinical trial populations, BEC and FENO elevation is seen more often in less intensely treated asthma. These results highlight the complexity between type-2 biomarker status, treatment, and clinical impact. <bold>Prospero:</bold> CRD42021245337; <bold>Funding:</bold> NIHR, QRHRN, FRQS, APQ, SAB, LUF <fig><object-id>erj;64/suppl_68/PA1210/F1</object-id><object-id>F1</object-id><object-id>F1</object-id><graphic></graphic></fig>
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 | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».