Female pattern hair loss: A retrospective study in a tertiary referral center
Notice bibliographique
Résumé
BACKGROUND: Female pattern hair loss (FPHL) is a very common problem in women. The underlying pathophysiology remains unclear, and there are no universally agreed treatment guidelines. OBJECTIVE: We explored the clinical features, relevant medical and family history, laboratory evaluation, and treatment and compliance of 210 patients with FPHL. METHODS: Data analysis from case notes was performed on 210 patients with a diagnosis of FPHL seen from January 2011 to December 2011. RESULTS: The youngest individual was 8 years old and the oldest was 86 years old. Nearly, 85% of the patients had a family history of androgenetic alopecia. Hypothyroidism and hypertension are the most common medical problems. Telogen effluvium (TE) is the most common concurrent hair loss condition. Only 38% of the patients were found to have normal Vitamin D level, 71% had ferritin level above 30 μg/L, and 85% had normal zinc level at the first consultation. Fifty-nine percent of the patients failed to attend any follow-up appointments. LIMITATIONS: One of the limitations of this study is its retrospective nature. Moreover, the severity of FPHL in terms of Ludwig score was not routinely documented in the medical charts. CONCLUSION: History of TE, hypothyroidism and hypertension, and low serum Vitamin D is common in our patients with FPHL.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».