Diagnosing allergic rhinitis: effectiveness of the physical examination in comparison to conventional skin testing.
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the effectiveness of physical examination alone in diagnosing nasal allergic patients. DESIGN: A cross-sectional study of 15 consecutive evaluable patients. SETTING: A tertiary care otolaryngology clinic at the Jewish General Hospital, McGill University, Montreal. METHODS: All patients were assessed by three physicians in random order. Each conducted a specific examination, made a clinical impression, and then took a directed history to make a second impression. Both impressions were compared to skin testing. Multivariate regression analyses assessed the linear relationships of both examination and history variables to impressions and skin testing results. Fleiss kappa tests assessed interrater reliabilities. MAIN OUTCOME MEASURES: Accuracy in diagnosing allergic rhinitis by examination alone and inter-rater reliability in this diagnosis. RESULTS: When comparing physical examination variables to history variables relative to the second impression, history variables had a stronger relationship (R² = .90 vs .52). This was also true when comparing both sets of variables to skin testing (R² = .81 vs .60). The interrater reliability of physical examination variables was poorer than that of the history variables (.377 and .494, respectively). Taking all physicians, the average sensitivity, specificity, positive predictive value, and negative predictive value of the history impression were all higher than those of the examination impression. CONCLUSION: Physical examination alone yields unreliable and inconsistent results in diagnosing allergic rhinitis. This is likely secondary to the relative subjectivity involved in evaluating the nasal cavity. Adding a history to the examination is essential to increase diagnostic accuracy.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».