Predicting Cow’s Milk Oral Food Challenge Outcomes in Pediatric Patients and Assessing the Impact Prehospital Epinephrine, Antihistamines, and Corticosteroids in Managing Anaphylaxis
Bibliographic record
Abstract
Cette thèse évalue deux aspects importants des soins offerts aux patients souffrant d'allergies alimentaires : le diagnostic et la gestion de l'anaphylaxie. Les défis alimentaires oraux (DAO) sont considérés comme l'étalon-or pour le diagnostic et la détermination des seuils de réactivité. Cependant, elles nécessitent beaucoup de ressources et comportent un risque élevé de réaction. Il existe peu de données sur les facteurs qui augmentent la probabilité d'un résultat positif de DAO, en particulier chez les enfants ayant des antécédents d'anaphylaxie. Le premier objectif est d'évaluer les facteurs associés à un DAO positif et de générer des modèles permettant de mieux prédire les résultats de DAO au LV.Des enfants de 5 à 18 ans ont passé un DAO à simple aveugle, placebo, avant la désensibilisation au LV, dont les résultats ont été soit positifs (réaction), ou négatifs (tolérance). Les facteurs initiaux enregistrés comprenaient le sexe, l'âge, les antécédents d'asthme, d'eczéma et de rhinite allergique, l'utilisation antérieure d'adrénaline pour des réactions induites par le LV, la taille du test cutané et les taux sériques de sIgE totaux et d'anticorps sIgE dirigés contre l'α-lactalbumine (ALA), la β-lactoglobuline (BLG) et la caséine (CAS). Les niveaux de sIgE totaux, d'ALA, de BLG et de CAS log-transformés ont également été évalués. Une régression logistique multivariée progressive rétrograde à biais de Firth réduit a créé le modèle final. Malgré ses limites, notre modèle a identifié deux facteurs, le BLG transformé en logarithme et l'utilisation antérieure d'épinéphrine, qui peuvent être utilisés pour identifier avec précision une véritable allergie au LV sans avoir besoin d'un DAO.Deuxièmement, malgré un évitement strict, les personnes atteintes d'allergies au LV peuvent entrer en contact, sans le savoir, du aux contaminations croisées ou des aliments mal étiquetés, entraînant une anaphylaxie. L'épinéphrine est le traitement de première ligne de l'anaphylaxie, mais les antihistaminiques ou les corticostéroïdes sont parfois utilisés à la place. Il existe peu de données sur les effets de l'administration préhospitalière d'épinéphrine en comparaison avec les antihistaminiques et les corticostéroïdes. Le deuxième objectif est d'évaluer l'impact du traitement préhospitalier à l'épinéphrine, aux antihistaminiques et/ou aux corticostéroïdes dans la gestion de l'anaphylaxie.Des patients ayant eu une réaction anaphylactique ont été recrutés de manière prospective et rétrospective dans 11 services d'urgence entre avril 2011 et août 2022, dans le cadre du Cross-Canada Anaphylaxis Registry (registre pancanadien de l'anaphylaxie). Les données sur les cas d'anaphylaxie ont été recueillies à l'aide d'un formulaire standardisé et les facteurs recueillis ont été évalués à l'aide d'une régression logistique multivariée. Les patients traités avec de l'épinéphrine préhospitalière étaient moins susceptibles d'avoir des réactions non contrôlées, de recevoir des fluides IV à l'urgence et d'être hospitalisés. Les patients traités avec des antihistaminiques préhospitaliers étaient moins susceptibles d'avoir des réactions non contrôlées et d'être hospitalisés. Les patients ayant reçu des corticostéroïdes préhospitaliers étaient plus susceptibles d'avoir besoin de fluides IV aux urgences et d'être hospitalisés. Les résultats de cette étude soulignent l'importance de donner la priorité à l'épinéphrine comme traitement de première ligne, suggèrent les avantages potentiels de l'administration préhospitalière d'antihistaminiques et soulignent la nécessité de réévaluer les directives actuelles de gestion de l'anaphylaxie, en particulier en ce qui concerne l'utilisation des corticostéroïdes
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| 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 source (direct Gemma or distilled Codex), 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".