Traduction et republication de « Recommandations de l’EAACI sur le diagnostic de l’allergie alimentaire médiée par les IgE »
Bibliographic record
Abstract
Résumé Cet article de l’Académie européenne d’allergologie et d’immunologie clinique (EAACI) fournit des recommandations selon la méthodologie Grading of Recommendations, Assessment, Development and Evaluations (GRADE) pour le diagnostic de l’allergie alimentaire IgE-médiée. Le diagnostic de l’allergie alimentaire commence par une anamnèse clinique axée sur l’histoire allergique du patient, suivie de tests visant à déterminer la sensibilisation tels que la recherche d’IgE sériques spécifiques de l’allergène (IgEs) et les tests cutanés (TC), ainsi que le test d’activation des basophiles (TAB), si ce dernier est disponible. La preuve d’une sensibilisation IgE-médiée doit être recherchée pour tout aliment suspecté. Le diagnostic d’allergie à certains aliments, tels que l’arachide et la noix de cajou, est bien étayé par les TC et les IgEs, alors que l’on dispose de moins de données et que les performances de ces tests sont moins bonnes pour d’autres aliments, tels que le blé et le soja. La mesure des IgE spécifiques aux allergènes moléculaires tels que Ara h 2 de l’arachide, Cor a 14 de la noisette et Ana o 3 de la noix de cajou peut être utile pour affirmer le diagnostic, en particulier chez les personnes sensibilisées aux pollens. Les TAB à l’arachide et au sésame peuvent être utilisés en complément. Le test de référence pour le diagnostic de l’allergie alimentaire est le test de provocation alimentaire orale (TPO). Le TPO doit être réalisé dans les cas douteux. Pour des raisons pratiques, les tests ouverts conviennent dans la plupart des cas. La réévaluation des enfants souffrant d’allergies alimentaires à l’aide de tests d’allergie et/ou de TPO périodiques permet de réintroduire les aliments dans le régime alimentaire en cas d’acquisition spontanée d’une tolérance orale.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".