Achieving remission in severe asthma
Notice bibliographique
Résumé
Severe asthma affects 5-10 % of asthma patients worldwide, imposing a significant burden due to an increased risk of mortality, impaired quality of life, and substantial economic costs. Recent advancements in biologic therapies have transformed asthma management by targeting specific inflammatory pathways, particularly type 2 inflammation. Biologic treatments such as omalizumab, mepolizumab, reslizumab, benralizumab, and dupilumab have demonstrated efficacy in reducing exacerbations, improving lung function, and achieving clinical remission in a subset of patients. This review provides an overview of the mechanisms of action, indications, and treatment efficacy of biologics used in asthma management. We also explore the concept of asthma remission and the potential for achieving it through biologic therapies and complementary strategies, including optimized inhaler use, macrolides, and bronchial thermoplasty. In addition, we discuss how to choose among these treatments wisely and examine the limitations of each biologic therapy. Despite these advancements, clinical remission rates remain modest, underscoring the need for refined patient selection. Emerging tools such as airway biomarkers, proteomics, and advanced imaging techniques offer promising avenues to improve diagnosis and personalize treatment approaches. Future research focused on making advanced biomarkers more accessible and feasible for point-of-care testing will enhance treatment precision. The next step will be integrating a multiomics approach into personalized asthma management for severe disease, further improving asthma control, achieving sustained remission, and ultimately reducing the burden of severe asthma.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».