Characteristics of long-term oral corticosteroid users stratified by blood eosinophil count in the International Severe Asthma Registry
Notice bibliographique
Résumé
<bold>Background:</bold> Long-term oral corticosteroid (LTOCS) use is common in severe asthma (SA) Subsequent management of patients on LTOCS can be informed by endotypic features, e.g. blood eosinophil count (BEC). <bold>Aims:</bold> To characterize the phenotype and endotype of patients with SA and LTOCS use before biologics initiation, stratified by BEC. <bold>Methods:</bold> This cross-sectional study used the International Severe Asthma Registry, a multinational prospective registry of patients aged ≥18 years old with asthma on GINA step 4/5 therapy. Patients with LTOCS use and biologics initiation with ≥1 year of prior data were included, grouped by BEC (<150 vs ≥150 cells/µL). <bold>Results:</bold> In total, 1,288 patients were included (369 with BEC <150 cells/µL, 919 with BEC ≥150 cells/µL). Most had ≥1 type 2 comorbidity with elevated IgE (≥75 IU/mL) and/or FeNO (≥20 ppb; Table). More of the high-BEC group had uncontrolled/partially controlled asthma and/or persistent airway obstruction, but slightly fewer had daily OCS dose >5mg (Table). In the year before biologic initiation, the high-BEC group had more frequent asthma-related emergency department visits, but not exacerbations or hospitalizations (Table). <bold>Conclusion:</bold> Patients with SA and LTOCS use had a high steroid burden, among whom, those with high-BEC had worse asthma control and lung function. Better access to steroid-sparing therapies is needed regardless of BEC. <fig><object-id>erj;64/suppl_68/PA439/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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».