Multivariable prognostic relations of asthma attack risk factors in the ORACLE patient-level meta-analysis
Notice bibliographique
Résumé
Rationale: Risk factors for severe asthma attacks include asthma treatment step, attack history, low lung function, uncontrolled symptoms and type-2 biomarkers blood eosinophil count (BEC) and exhaled nitric oxide (FeNO). However, multivariable prognostic relations remain unclear. Aim: To assess the prognostic relationships of baseline risk factors with future severe asthma attacks (defined as ≥3 days systemic steroids). Methods: We included 6516 participants from control arms of 22 randomised controlled trials (6-12m follow-up, the OxfoRd Asthma attaCk risk scaLE (ORACLE) patient-level meta-analysis). Rate ratios for the annualised asthma attack rate were derived from 2 negative binomial models: 1) univariable, 2) adjusted for treatment step, attack in past 12m, Asthma Control Questionnaire-5 (ACQ5), FEV1%, log10BEC and log10FeNO. Results: Rate ratios for severe asthma attacks in the multivariable model were treatment step (1 vs 3), 0.13 [95%CI in Fig]; attack in past 12m (yes/no), 1.94; FEV1% (per 10% decrease) 1.11; ACQ5 (per 0.5 increase) 1.10 ; log10BEC 1.32; and log10FeNO, 1.49 (Fig). Conclusion: Asthma treatment step, attack history, lower FEV1%, ACQ5, and type-2 biomarkers BEC and FeNO are important risk factors for asthma attacks. Further ORACLE analyses should aim for a prognostic model to support clinical decision-making. Prospero: CRD42021245337 Funding: NIHR,QRHRN,FRQS,APQ,SAB,LUF erj;64/suppl_68/OA3761/F1 F1 F1
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 | 0,019 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,039 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».