Treatment dose increase versus comedication in allergic rhinitis: Systematic review with dose-response network meta-analysis protocol
Notice bibliographique
Résumé
Background: In patients with allergic rhinitis who remain uncontrolled despite being treated with standard daily doses of a single medication, strategies that can be followed to achieve adequate symptom control include (i) increasing the medication dose, or (ii) adding an additional medication (co-medication). However, it is not known which one of these two strategies is more effective. Objectives: This article describes a protocol of a systematic review with dose-response network meta-analysis aiming at comparing different intranasal and oral medications in patients with seasonal or perennial allergic rhinitis. Methods: We will search four electronic bibliographic databases and three clinical trials databases for randomized controlled trials (i) assessing adults or children with seasonal or perennial allergic rhinitis, and (ii) evaluating the effect of intranasal medications, oral medications or combinations of any intranasal and/or oral medications for allergic rhinitis. Assessed outcomes will include the Total Nasal Symptom Score, the Total Ocular Symptom Score and the Rhinoconjunctivitis Quality-of-Life Questionnaire (RQLQ). We will assess the methodological quality of included primary studies by using the Cochrane riskof-bias tool. Certainty in the body of evidence for the analysed outcomes will be assessed using the Grading of Recommendations Assessment, Development and Evaluation approach for network meta-analyses (GRADE-NMA). We will perform a frequentist dose-response model-based network meta-analysis. Sensitivity analyses will be performed by separately analysing data for seasonal and perennial allergic rhinitis. Conclusion: This protocol describes the methodology of a systematic review that will fit dose-response network meta-analysis models in the comparison between different intranasal and oral medications. The findings of this systematic review will support recommendations in the Allergic Rhinitis and its Impact on Asthma (ARIA) 2024-2025 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 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 | 0,059 | 0,100 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,004 |
| Méta-épidémiologie (sens large) | 0,021 | 0,032 |
| Bibliométrie | 0,010 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,008 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,056 | 0,005 |
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 ».