Notice bibliographique
Résumé
BACKGROUND: Rosacea is a chronic inflammatory disorder that affects 10% of the population. The prevalence of rosacea is highest among fair-skinned individuals, particularly those of Celtic and northern European descent. Since a cure for rosacea does not yet exist, management and treatment regimens are designed to suppress the inflammatory lesions, erythema, and to a lesser extent, the telangiectasia involved with rosacea. OBJECTIVES: This review outlines the treatment options that are available to patients with rosacea. METHODS: Published literature involving the treatment or management of rosacea was examined and summarized. RESULTS: Patients who find that they blush and flush frequently, or have a family history of rosacea are advised to avoid the physiological and environmental stimuli that can cause increased facial redness. Topical agents such as metronidazole, azelaic acid cream or sulfur preparations are effective in managing rosacea. Patients who have progressed to erythematotelangiectatic and papulopustular rosacea may benefit from the use of an oral antibiotic, such as tetracycline, and in severe or recalcitrant cases, isotretinoin to bring the rosacea flare-up under control. Treatment with a topical agent, such as metronidazole, may help maintain remission. Patients with ocular involvement may benefit from a long-term course of an antibiotic and the use of metronidazole gel. A surgical alternative, laser therapy, is recommended for the treatment of telangiectasias and rhinophyma. Patients with distraught feelings due to their rosacea may consider cosmetic camouflage to cover the signs of rosacea. CONCLUSIONS: With the wide variety of oral and topical agents available for the effective management of rosacea, patients no longer need to feel self-conscious because of their disorder.
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) | 0,002 | 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 | 0,001 |
| 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 ».