Predicting Cow’s Milk Challenge Outcomes in Children: Multivariate Analysis of Clinical Predictors
Notice bibliographique
Résumé
Introduction: Oral food challenges are the gold standard for diagnosis and reactivity thresholds but are resource intensive and high risk for reactions. Limited data on factors associated with increased risk of positive oral food challenges exist. We aimed to assess factors associated with positive oral food challenges and create a model to predict cow milk oral food challenge outcomes. METHODS: Children aged 5-18 being considered for cow's milk oral immunotherapy underwent a single-blind, placebo-controlled food challenge to cow's milk, with either positive (reaction) or negative (tolerance) outcomes. Initial factors recorded included sex, age, history of asthma, eczema, allergic rhinitis, prior epinephrine use for cow's milk-induced reactions, skin prick test size, serum levels of immunoglobulin E antibodies to α-lactalbumin, β-lactoglobulin, and casein, and log-transformed values. Stepwise backward multivariate Firth bias-reduced logistic regression was used to create the final model, and performance was assessed with receiver operator characteristic curves. RESULTS: A total of 111 children underwent an oral food challenge, 103 patients reacted, and 8 tolerated the challenge. Univariate analysis showed skin prick test size, previous epinephrine use, history of asthma, and log-transformed α-lactalbumin, β-lactoglobulin, and casein were significantly associated with positive oral food challenge. The multivariate model included two factors: log-transformed casein (aOR 2.4; 95% CI: 1.4-5.9; p < 0.001) and previous epinephrine use (aOR 6.5; 95% CI: 1.2-68.0; p = 0.03). The final model showed good discriminatory performance (AUC 0.928; 95% CI: 0.83-0.98). In comparison, a univariate model using only the skin prick test (OR 1.44, 95% CI: 1.1-2.0; p = 0.002) had worse discriminatory performance (AUC 0.83; 95% CI: 0.64-0.93). CONCLUSION: The study suggests that logistic multivariate models, including log-transformed casein and previous epinephrine use, may help predict oral food challenge outcomes in pediatric patients. Future studies are needed to validate this with larger datasets. .
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».