Clinical impact of oscillometry in adjunct to clinical assessment in preschool-aged children with asthma
Bibliographic record
Abstract
Introduction : Chez les jeunes enfants (<6 ans), la prise en charge de l’asthme est évaluée cliniquement. Dans certains centres, l’oscillométrie (OS) est utilisée en complément de l’évaluation clinique, mais son utilité clinique reste à quantifier. \n \nObjectifs : Déterminer si l’ajout de l’OS à l’évaluation clinique influence l’évaluation, la gestion et le contrôle de l’asthme, par rapport à l’évaluation clinique seule chez les jeunes enfants. \n \nMéthodes : Étude transversale portant sur des enfants de 3-5 ans avec un diagnostic d’asthme. Les enfants testés par l’OS étaient appariés par score de propension aux témoins (non testés). La probabilité d’un phénotype persistant et d’une prescription d’un traitement d’entretien (co- variables principales) était évaluée par régression logistique multivariée. Dans la cohorte rétrospective imbriquée avec accès aux données pharmaceutiques, le contrôle de l’asthme au cours de l’année suivante était examiné par régression logistique cumulative. \n \nRésultats : L’étude comprenait 726 enfants appariés (249 testés; 477 témoins) dont 57,4% garçons (âge médian: 4,62 ans) avec groupes relativement comparables. Les enfants testés recevaient plus souvent un phénotype persistant (67% vs. 50%; RC-ajusté [IC 95%]: 2,34 [1,66- 3,34]), sans différence significative dans la prescription d’un traitement d’entretien (65% vs. 58%; 1,37 [0,98-1,92]) et étaient moins susceptibles d’être incontrôlés dans l’année suivante (0,24 [0,08- 0,74]). \n \nConclusion : L’association entre l’OS ajouté à l’évaluation clinique et à la fois plus de phénotypes persistants et un meilleur contrôle de l’asthme supporte l’utilité clinique de l’OS, possiblement via une reconnaissance accrue de l’obstruction des voies aériennes.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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".