Non-scarring patchy alopecia in patients with systemic lupus erythematosus differs from that of alopecia areata
Notice bibliographique
Résumé
BACKGROUND: Non-scaring patchy alopecia associated with systematic lupus erythematosus (SLE) is sometimes mis-diagnosed as alopecia areata (AA). OBJECTIVES: Our aim was to differentiate non-scarring patchy SLE alopecia features from patchy AA. METHODS: Clinical, dermatoscopic and histopathological data from 21 SLE patients with patchy alopecia were compared with data from 21 patients with patchy AA. RESULTS: Incomplete alopecia was common in SLE alopecia patches, while AA patches exhibited complete alopecia. Exclamation-mark hairs, black dots, broken hair and yellow dots were common to AA, while hair shaft thinning and hypopigmentation, angiotelectasis, peripilar sign, perifollicular red dots, white dots and honeycomb pigment patterns were more common in SLE. Interfollicular polymorphous vessels were the most common angiotelectasis presentation in the SLE alopecia patches, but interfollicular arborizing vessels were significantly more common in non-hair-loss-affected SLE regions and in AA hair-loss regions. During follow-up, increased vellus hair was the earliest feature that emerged after treatment both in SLE and AA, while the earliest feature that disappeared was hair shaft hypopigmentation in SLE and broken hair in AA. After treatment, no SLE patients had relapse of alopecia, while 41.7% of AA patients did. CONCLUSION: Distinct clinical, dermatoscopic and histopathological features were found in SLE-associated alopecia regions, which were different from those of AA. Serological autoantibody tests are of value to confirm the differential diagnosis. Local angiotelectasis and vasculitis close to hair follicles may be involved in the pathogenesis of alopecia in SLE.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».