MétaCan
Menu
Retour à la cohorte
Enregistrement W4414531692 · doi:10.1111/all.70055

Comparison of Allergic Rhinitis Treatments on Patient Satisfaction: A <scp>MASK</scp> ‐air and <scp>EAACI</scp> Methodological Committee Report

2025· article· en· W4414531692 sur OpenAlexaff
Bernardo Sousa‐Pinto, Rafael José Vieira, Antonio Bognanni, Matteo Martini, Michał Ordak, Giovanni Paoletti, Sara Gil‐Mata, Rita Amaral, Anna Bedbrook, Patrizia Bonadonna, Luisa Brussino, Giorgio Walter Canonica, João Coutinho‐Almeida, Álvaro A. Cruz, Mark S. Dykewicz, Mattia Giovannini, Bilun Gemicioğlu, Juan Carlos Ivancevich, Ludger Klimek, Violeta Kvedarienė, Désirée Larenas‐Linnemann, Manuel Marques‐Cruz, André Moreira, Marek Niedoszytko, Ana Margarida Pereira, Nikolaos G. Papadopoulos, N. Pham‐Thi, Frederico S. Regateiro, Sanna Toppila‐Salmi, Bolesław Samoliński, J. Sastre, Luís Taborda‐Barata, Tuuli Thomander, Ilgım Vardaloğlu, Arūnas Valiulis, Leticia de las Vecillas, Maria Teresa Ventura, Jolanta Walusiak‐Skorupa, Yi‐Kui Xiang, Oliver Pfaar, João Fonseca, Torsten Zuberbier, Holger J. Schünemann, Danilo Di Bona

Notice bibliographique

RevueAllergy · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAllergic Rhinitis and Sensitization
Établissements canadiensCochraneMcMaster University
Organismes subventionnairesDirectorate-General for Communications Networks, Content and TechnologyEuropean Academy of Allergy and Clinical ImmunologyFilhaHorizon 2020 Framework ProgrammeUniversidad de Especialidades Espíritu SantoTeva Pharmaceutical IndustriesHORIZON EUROPE Framework ProgrammeCelltrionUniversité de LiègeKorvatautien TutkimussäätiöSanofiAstellas PharmaMylanCelldex TherapeuticsAmgenPfizerAstraZenecaEli Lilly and CompanyHengityssairauksien TutkimussäätiöGlaxoSmithKline
Mots-clésMEDLINEImmunopathologyAlternative medicinePatient satisfactionAllergy

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Satisfaction with treatments may affect medication adherence and use patterns, including the use of co-medication. We aimed to compare different medications for allergic rhinitis (AR) on (i) patients' satisfaction and (ii) co-medication use frequency. METHODS: We assessed data from the mHealth app MASK-air. We evaluated days on which users with self-reported AR had used-alone or in co-medication-intranasal corticosteroids (INCS), intranasal antihistamines (INAH), fixed combinations of INAH+INCS, or oral antihistamines (OAH). We built multivariable regression models to compare these different AR medication classes (as well as individual medications) on their (i) treatment satisfaction levels (measured using a specific daily visual analogue scale ['VAS satisfaction']) and (ii) odds of being used in co-medication. RESULTS: We assessed 28,177 days reported by 1691 MASK-air users. For all medication classes, co-medication usage was associated with lower treatment satisfaction. When used in monotherapy, OAH were associated with lower VAS satisfaction than INCS (-1.7 points; 95% CI = -2.7; -0.7) or INAH+INCS (-2.1 points; 95% CI = -3.5; -0.7). INCS displayed higher odds of being used in co-medication than OAH (OR = 1.3; 95% CI = 1.0; 1.6) or INAH+INCS (OR = 1.3; 95% CI = 0.8; 1.8). When comparing individual intranasal medications, fluticasone furoate and fluticasone propionate tended to be more frequently used in co-medication. Among individual OAH, desloratadine and rupatadine were associated with higher satisfaction, while fexofenadine was more frequently used in co-medication. CONCLUSION: Using patient-reported data, we evaluated different medication classes and treatments in terms of satisfaction and co-medication frequency. These results provide key insights into the acceptability of AR treatments and will contribute to future treatment guidelines.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,298
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,062
Tête enseignante GPT0,348
Écart entre enseignants0,286 · 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.

Devis d'étudeObservationnel
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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAllergyMême sujetAllergic Rhinitis and SensitizationTravaux en français237 207