Predictors of placebo response in asthma attack rates: analysis from the ORACLE2 patient-level meta-analysis
Notice bibliographique
Résumé
Rationale: In asthma randomised controlled trials (RCTs), a large placebo response hampers identification of treatment effects. Aim: To identify patient characteristics associated with placebo response in asthma attack rate in RCTs. Methods: We analyzed ORACLE2, a patient-level meta-analysis of RCT control arms, excluding open label RCTs, those without a placebo group, and those without prior attack data. Placebo response was defined as the difference in annualized asthma attack rate (pre-trial vs on-trial). To be appropriately modeled using Poisson regression, the placebo response was shifted to ensure all values were positive. Associations between baseline characteristics and placebo response were analyzed using a Poisson regression model, estimating adjusted rate ratios (aRR)[95% CI] while adjusting for pre-trial attacks. Results: Among 4381 patients from 14 RCTs, placebo response varied (0.6–2.2 attacks/year) and depended on prior attack criteria (Fig A). Lower placebo response was associated with higher blood eosinophils (per 10-fold increase: 0.97 [0.95–0.99]), exhaled nitric oxide (FeNO per 10-fold increase: 0.97 [0.95–1.00]) and low lung function (FEV₁ per 10% decrease: 0.99 [0.98–1.00]) (Fig B). Conclusions: Elevated type 2 biomarkers and impaired lung function are associated with less placebo response on attack in asthma RCTs. Prospero: CRD42021245337 FUNDING: NIHR, FRQS, APQ, AcMedSci erj;66/suppl_69/PA4691/F1 F1 F1
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 | 0,040 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,060 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».