International Severe Asthma Registry (ISAR): 2017–2024 Status and Progress Update
Notice bibliographique
Résumé
The International Severe Asthma Registry (ISAR) was established in 2017 to advance the understanding of severe asthma and its management, thereby improving patient care worldwide. As the first global registry for adults with severe asthma, ISAR enabled individual registries to standardize and pool their data, creating a comprehensive, harmonized dataset with sufficient statistical power to address key research questions and knowledge gaps. Today, ISAR is the largest repository of real-world data on severe asthma, curating data on nearly 35,000 patients from 28 countries worldwide, and has become a leading contributor to severe asthma research. Research using ISAR data has provided valuable insights on the characteristics of severe asthma, its burdens and risk factors, real-world treatment effectiveness, and barriers to specialist care, which are collectively informing improved asthma management. Besides changing clinical thinking via research, ISAR aims to advance real-world practice through initiatives that improve registry data quality and severe asthma care. In 2024, ISAR refined essential research variables to enhance data quality and launched a web-based data acquisition and reporting system (QISAR), which integrates data collection with clinical consultations and enables longitudinal data tracking at patient, center, and population levels. Quality improvement priorities include collecting standardized data during consultations and tracking and optimizing patient journeys via QISAR and integrating primary/secondary care pathways to expedite specialist severe asthma management and facilitate clinical trial recruitment. ISAR envisions a future in which timely specialist referral and initiation of biologic therapy can obviate long-term systemic corticosteroid use and enable more patients to achieve remission.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».