MétaCan
Menu
Retour à la cohorte
Enregistrement W2086040840 · doi:10.5402/2012/351603

Common Dermatoses in Children Referred to a Specialized Pediatric Dermatology Service in Mexico: A Comparative Study between Two Decades

2012· article· en· W2086040840 sur OpenAlexaff
Blanca R. Del Pozzo‐Magaña, Alejandro Lazo‐Langner, Pedro Gutiérrez‐Castrellón, Ramón Ruiz‐Maldonado

Notice bibliographique

RevueISRN Dermatology · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueNail Diseases and Treatments
Établissements canadiensWestern UniversityChildren’s Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésDermatologyMedicineAtopic dermatitisAcneEpidemiologyDemographicsMelasmaPediatricsPathologyDemography

Résumé

récupéré en direct d'OpenAlex

Background. Skin diseases among pediatric patients differ from those in adults. Epidemiological studies are scarce, and those performed in Mexican population date back thirty years. It is likely that these diseases might have changed their frequency. Material and Methods. Retrospective study in first-time patients referred to a pediatric dermatology service between January 1994 and December 2003. Demographics and diagnosis were recorded and compared with the results of a previous study performed in the same institution. Results. We included 5250 patients (52.55% female, 47.47% male) with 6029 diagnoses. The most frequent dermatoses found were atopic dermatitis (14.59%), viral warts (6.62%), acne (5.53%), pityriasis alba (3.98%), melanocytic nevi (3.85%), xerosis (3.57%), keratosis pilaris (3.19%), seborrheic dermatitis (2.37%), hemangioma (2.26%), and papular urticaria (2.24%). Most dermatoses increased their frequency when compared to the previous study. Conclusion. The frequency of pediatric dermatoses in our institution has changed in the last two decades. Environmental and sociocultural factors and institutional policies might account for these results.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,380
Écart entre enseignants0,331 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueISRN DermatologyMême sujetNail Diseases and TreatmentsTravaux en français237 207