相关实验视频
Updated: Jan 20, 2026

Basophil Activation Test for Allergy Diagnosis
Published on: May 31, 2021
贝塔拉克坦预测剂的开发:用于分期标记低风险贝塔拉克坦过敏患者的临床决策工具. 在青素过敏的初始验证
Marina Labella1,2, Rafael Nuñez2, Inmaculada Doña1,2
1Allergy Unit, Hospital Regional Universitario de Málaga, Málaga, Spain.
一个新的青素过敏评分可以识别低风险患者,简化诊断和降低成本. 这种人工智能辅助的工具提高了青素过敏测试的特异性,有助于精确的抗生素选择.
科学领域:
- 临床医学 临床医学
- 药理学 药理学是指药理学的学科.
- 医疗保健中的人工智能
背景情况:
- 青素 (或白他) 过敏标签影响10%的患者,导致不理想的抗生素选择.
- 与青素过敏标签相关的二线抗生素降低了疗效和安全性.
- 准确识别低风险的青素过敏患者对于避免不良结果至关重要.
研究的目的:
- 开发和验证一种新的,高度特定的评分,用于识别低风险的青素过敏患者.
- 为了利用人工智能来选择青素过敏评分的关键变量.
- 为了促进更简单,更具成本效益的青素过敏的诊断程序.
主要方法:
- 一组2207名接受过素过敏测试的患者的回顾性队列被用于得分推导.
- 采用了两步变量选择过程,包括单变量分析和逻辑回归.
- 外部验证是在六个国际中心进行的,共有4261名患者.
主要成果:
- 开发了一个八项的青素过敏评分,结合了反应时间和类型等因素.
- 内部验证值≤0分确定了低风险患者,具有86%的特异性和83%的NPV.
- 外部验证显示93%的特异性,比现有工具提高了25%.
结论:
- 开发的分数简化了青素过敏的诊断,使得快速的删除标签.
- 该工具可用于非专业环境,降低医疗保健成本.
- 它减轻了不准确的青素过敏标签的负面后果.
相关概念视频
07:22Basophil Activation Test for Allergy Diagnosis
04:34Mouse Body Temperature Measurement Using Infrared Thermometer During Passive Systemic Anaphylaxis and Food Allergy Evaluation
05:37An R-Based Landscape Validation of a Competing Risk Model
10:42Design to Implementation Study for Development and Patient Validation of Paper-Based Toehold Switch Diagnostics
04:05Clinical Application of Phase Angle and BIVA Z-Score Analyses in Patients Admitted to an Emergency Department with Acute Heart Failure
16:05Using Micro-Electro-Mechanical Systems (MEMS) to Develop Diagnostic Tools

