Sex differences in clinical risk factors and type-2 biomarkers for predicting asthma attacks in the ORACLE2 patient-level meta-analysis
Notice bibliographique
Résumé
Rationale: Multiple risk factors for asthma attacks have been identified, including clinical characteristics, blood eosinophil count (BEC), and exhaled nitric oxide (FeNO). However, the impact of sex on their prognostic value is unclear. Aim: To investigate sex differences in prognostic values of clinical characteristics, BEC and FeNO for severe asthma attacks. Methods: We used the ORACLE2 patient-level meta-analysis of 22 randomized controlled asthma trials’ control arms. Sex-specific characteristics were compared [interquartile range], annualized severe asthma attack rate (ASAAR) ratios were derived from negative binomial models. Results: Among 4,140 women and 2,370 men, ASAAR was higher in women (0.9) than in men (0.74 attacks/patient-year). Women were slightly older (50 [40-59] vs 49 [37-59] years), had higher BMI (28.2 [24.3-33.5] vs 27.6 [24.9-30.9] kg/m2), had more severe asthma (41% GINA step 5 vs 36%), and more comorbid depression/anxiety (15 vs 8%). Prior attacks more strongly predicted future attacks in men (Fig1A). Differences in other risk factors between sexes were minor. BEC and FeNO showed similar prognostic value across sexes, except for a trend towards more asthma attacks in FeNO-low women; and FeNO-/BEC-high men (Fig1B). erj;66/suppl_69/PA5744/F1 F1 F1 Conclusion: The annualized asthma attack rate was higher in women than in men. We found a stronger predictive value of prior attacks in men.
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 | 0,013 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,041 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».