Modeling severe uncontrolled asthma: Transitioning away from health states
Notice bibliographique
Résumé
Background: Models developed to date to simulate long-term outcomes of asthma have been criticized for lacking granularity and ignoring disease heterogeneity. Objective: To propose an alternative approach to modeling asthma and apply it to model long-term outcomes in a population with moderate-to-severe type 2 asthma (patients with raised fractional exhaled nitric oxide or eosinophils) and treated with conventional therapy. Methods: A discretely integrated condition event (DICE) approach was adopted, simulating individual profiles with asthma over patients' lifetime in terms of exacerbations, asthma-related death, and death unrelated to asthma. The timing of these events is dependent on profile characteristics including lung function, asthma control, exacerbation history, and other baseline characteristics or contextual factors. Predictive equations were derived from a clinical trial to model time to exacerbation, change in asthma control, lung function, and utility. Real-world studies were used to supplement data gaps. Outcomes evaluated included life expectancy, quality-adjusted life-years (QALY), number of exacerbations, and lung function over time. Results: Average annual rates of severe and moderate exacerbations were 1.82 and 3.08 respectively, with rates increasing over time. Lung function declined at a higher rate compared with the general population. Average life expectancy was 75.2 years, compared with 82.4 years in a matched general population. The majority of life-years were spent with uncontrolled asthma and impaired lung function. Conclusion: Patients with moderate-to-severe type 2 asthma and a history of exacerbations suffer from frequent exacerbations and reduced lung function and life expectancy. Capturing multiple conditions to simulate long-term outcomes in patients with asthma may provide more realistic projections of exacerbation rates.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».