MétaCan
Menu
Retour à la cohorte
Enregistrement W4413286314 · doi:10.1111/all.70004

Complementary Predictors for Asthma Attack Prediction in Children: Salivary Microbiome, Serum Inflammatory Mediators, and Past Attack History

2025· article· en· W4413286314 sur OpenAlexfundno aff
Shahriyar Shahbazi Khamas, Paul Brinkman, Anne H. Neerincx, Susanne J. H. Vijverberg, Simone Hashimoto, Jelle M. Blankestijn, JanWillem Duitman, Tamara Dekker, Barbara Smids, Suzanne W. J. Terheggen‐Lagro, René Lutter, Nariman K. A. Metwally, Fleur Sondaal, Eric G. Haarman, Peter Sterk, Ian M. Adcock, Charles Auffray, Corinna Bang, Aruna T. Bansal, Heike Buntrock‐Döpke, Klaus Bønnelykke, Andrew Bush, Bo Chawes, Kian Fan Chung, Paula Corcuera, Sven‐Erik Dahlén, Ratko Djukanović, Louise Fleming, Stephen J. Fowler, André Franke, Urs Frey, Mario Gorenjak, Susanne Brandstetter, Susanne Harner, Gunilla Hedlin, Michael Kabesch, Nazanin Zounemat Kermani, Parastoo Kheirolldein, Alexander Kiefer, Jon R. Konradsen, Aletta D. Kraneveld, Leyre López‐Fernández, Clare Murray, Björn Nordlund, Maria Pino‐Yanes, Uroš Potočnik, Graham Roberts, Jakob Stokholm, Søren J. Sørensen, Olaia Sardón‐Prado, Dominick Shaw, Florian Singer, Ana R. Sousa, Jonathan Thorsen, Antoaneta A. Toncheva, Nadja Hawwa Vissing, Christine Wolff, Mahmoud I. Abdel‐Aziz, Anke H. Maitland‐van der Zee

Notice bibliographique

RevueAllergy · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Infection and ImmunityInstituto de Salud Carlos IIIMedical Research CouncilSeventh Framework ProgrammeUniverzitetni Klinični Center MariborEuropean Academy of Allergy and Clinical ImmunologyUniverza v MariboruKarl-Franzens-Universität GrazMinistrstvo za Izobraževanje, Znanost in ŠportUniversität RegensburgCentre National de la Recherche ScientifiqueStichting Astma BestrijdingNational Institute for Health and Care ResearchJavna Agencija za Raziskovalno Dejavnost RSBundesministerium für Bildung und ForschungUniversiteit van AmsterdamKarolinska InstitutetZonMwInstitut National de la Santé et de la Recherche MédicaleDirectorate for Biological SciencesMedizinische Universität GrazGlaxoSmithKlineFP7 HealthImperial College LondonUniversity of LeicesterEuskal Herriko UnibertsitateaNovartis PharmaChiesi FarmaceuticiInselspital, Universitätsspital BernEngineering and Physical Sciences Research CouncilAstraZenecaEuropean CommissionPfizerGlaxoSmithKline EspañaEuropean Federation of Pharmaceutical Industries and AssociationsAmsterdam University Medical CentersCelltrionGentofte HospitalUniversity of SouthamptonUniversidad de La LagunaUniversiteit UtrechtAsthma and Lung UKNovo NordiskVertex PharmaceuticalsRegeneron PharmaceuticalsUniversity Hospital Southampton NHS Foundation TrustStockholms Läns LandstingUniversität BaselUniversité Claude Bernard Lyon 1SanofiUniversity of Bern
Mots-clésAsthmaMedicineMicrobiomePopulationImmunologyBioinformaticsBiologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Early identification of children at risk of asthma attacks is important for optimizing treatment strategies. We aimed to integrate salivary microbiome and serum inflammatory mediator profiles with asthma attacks history to develop a comprehensive predictive model for future attacks. METHODS: This study contained a discovery (SysPharmPediA) and a replication phase (U-BIOPRED). School-aged children with asthma were classified into at risk and no-risk groups, based on the presence or absence of one or more severe attacks during one-year follow-up. Prediction models were developed using random forest on the training set (70%) with data on past asthma attacks, microbiome composition, serum inflammatory mediator levels, and their combinations and then tested on the rest of the population (30%). Outcomes were replicated in a subset of children with severe asthma from U-BIOPRED. RESULTS: Complete data were available for 154 children (SysPharmPediA = 121, U-BIOPRED = 33). In discovery, the model based on past attacks resulted in an area under the receiving characteristic curve (AUROCC) ~ 0.7. Models including six salivary bacteria or six inflammatory mediators achieved similar results. The combined model incorporating seven features, past asthma attacks, Capnocytophaga, Corynebacterium, and Cardiobacterium, TIMP-4, VEGF, and MIP-3β achieved the highest accuracy with AUROCC ~0.87. The combined model in the U-BIOPRED limited to available inflammatory mediators (VEGF), and incorporating past asthma attacks, Capnocytophaga, Corynebacterium, and Cardiobacterium, resulted in an AUROCC of 0.84. CONCLUSION: Serum inflammatory mediators and salivary microbiome complement asthma attacks history for predicting future attacks. These results highlight the imperative for continued investigation into oral microbiota and its interaction with the immune system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,140
Score d'incertitude au seuil0,934

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,243
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAllergyMême sujetGut microbiota and healthTravaux en français237 207