使用IgE和IgG4结合配置文件预测儿童对牛奶过敏的耐受性

科学领域:

• 过敏和免疫学 过敏和免疫学
• 儿科 儿科 儿科
• 生物标志物发现发现

背景情况:

• 牛奶过敏 (CMA) 是婴儿普遍存在的食物过敏,影响幼儿营养和健康.
• 预测耐受性发展对于管理CMA和指导饮食干预至关重要.
• 目前评估CMA耐受性的方法可能耗时且具有侵入性.

研究的目的:

• 确定可预测CMA儿童口服耐受性的类生物标志物.
• 使用免疫学数据开发一种耐受性状态的预测模型.
• 评估预测模型在不同时间点的有效性.

主要方法:

• 基于微阵列的免疫试验被用于分析特定的IgE和IgG4结合主要牛奶过敏原的表位.
• 118名患有CMA的儿童被监测了54个月,在基线和定期间隔收集样本.
• 使用XGBoost算法构建了一个结合血清学变量和微阵列结果的预测模型.

主要成果:

• 在过敏和耐受性儿童之间观察到IgE和IgG4结合模式的显著差异.
• 一个预测模型在分类耐受性状态方面显示出高准确性 (AUC为0.883在6个月,0.833在30个月).
• 该模型使用基线血清学数据有效预测了基线后6个月和30个月的耐受性.

结论:

• 基线IgE和IgG4抗体结合形状可以作为可靠的生物标志物来预测患有CMA的儿童的耐受性.
• 开发的预测模型为评估耐受性发展提供了一个有希望的非侵入性工具.
• 早期预测耐受性可以优化临床管理,并改善CMA的婴儿的结果.