Daily digital biomarkers in the follow-up and clustering of patients with asthma
Notice bibliographique
Résumé
Background and Research question We aimed to assess whether levels of digital biomarkers can reflect monthly patterns of asthma controlStudy design and methods We performed a longitudinal study on patients with asthma and comorbid rhinitis who filled ≥26 days of data in a month in the MASK-air® app and who reported at least 1 day of treatment with an inhaled corticosteroid with or without a long-acting β2-agonist (ICS ± LABA). We applied k-means cluster analysis to define clusters of months according to daily asthma control and medication use. Clusters were compared using digital biomarkers (visual analogue scale [VAS] on asthma symptoms and electronic daily asthma control score [e-DASTHMA]). We compared patients who did not switch with patients who switched their ICS ± LABA.Results We assessed 243 patients and 1358 months. We identified three clusters of poor asthma control despite high ICS ± LABA adherence, one cluster of poor asthma control and poor ICS ± LABA adherence, one cluster of good asthma control and high ICS ± LABA adherence and one cluster of good asthma control despite poor ICS ± LABA adherence. These clusters displayed relevant differences in VAS asthma and e-DASTHMA levels. Similar clusters were found in ‘non-switchers’ versus ‘switchers’.Conclusion Levels of digital biomarkers reflect asthma control patterns and might be used to monitor patients with 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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».