Wheezing in early life and validating the asthma predictive index
Notice bibliographique
Résumé
Background: The asthma predictive index (API) and modified versions (mAPI and m2API) have been used to identify children wheezing in early life who are at risk of developing asthma by school age. Objectives: To validate the predictive indices in a Canadian population-based sample by comparing the indices at 3 years of age to physician-diagnosed asthma at 3 years of age. Methods: Child health questionnaires and clinical assessments were used to determine positive predictive indices among 416 subjects from the Winnipeg site of a national populated-based birth cohort. Performance measures of the indices were calculated using binomial distribution and 95% confidence interval (95% Cl). Results: The loose API had the highest sensitivity at 66.7% (95% Cl, 44.9-88.4) when compared to physician-diagnosed asthma, but as the wheezing frequency criterion increased the sensitivity decreased to 23.5% (3.4-43.7) as observed in the mAPI. Conclusions: The best asthma predictive index to predict an asthma diagnosis at 3 years of age is the m2API . However, none of the indices have a high enough sensitivity to support a recommendation for exclusive use of an index when assessing a child 's risk of asthma. The indices did perform similarly in the CHILD study compared to findings in the TCRS and COAST study, and in fact the sensitivity and specificity were slightly higher in the CHILD cohort.
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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».