Predictive Value of Nasal Nitric Oxide for Diagnosing Eosinophilic Chronic Rhinosinusitis: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
ObjectivesThe primary aim of this study was to assess disparities in nasal nitric oxide (NO) levels between individuals diagnosed with eosinophilic chronic rhinosinusitis (ECRS) and those without ECRS. The second aim was to ascertain the comparative predictive efficacy of these nasal NO levels for the presence of ECRS.MethodsA systematic analysis was conducted on relevant studies that compared nasal NO levels in individuals with ECRS and those without. Furthermore, the discriminatory capacity of nasal NO in distinguishing ECRS from non-ECRS cohorts was quantified. The risk of bias across studies was evaluated utilizing the Newcastle-Ottawa scale.ResultsThe comprehensive review encompassed a total of 5 studies involving 470 participants. Findings revealed that patients diagnosed with ECRS exhibited significantly higher levels of nasal NO, as measured in parts per billion (ppb), compared to their non-ECRS patients. The mean difference was 130.03 ppb (95% confidence interval: [66.30, 193.75], I2 = 58.7%). The diagnostic odds ratio for nasal NO in identifying ECRS was 9.29 ([5.85, 14.75], I2 = 26.4%). The area under the summary receiver operating characteristic curve was 0.82. The correlation between sensitivity and false positive rate was 0.53, suggesting a lack of heterogeneity. Sensitivity, specificity, negative predictive value, and positive predictive value were 69% ([0.55, 0.79], I2<sup> </sup>= 77.0%), 83% ([0.73, 0.90], I<sup> </sup> = 68.5%), 77% ([0.69, 0.83], I<sup> </sup><sup> </sup>= 50.1%), and 75% ([0.67, 0.82], I<sup> </sup><sup> </sup>= 41.5%), respectively.ConclusionNasal NO has the potential as a noninvasive diagnostic measure and endotype tool for ECRS.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 tête enseignante, 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 ».