MétaCan
Menu
Retour à la cohorte
Enregistrement W2548962281 · doi:10.1177/1203475416677722

Lasers for Onychomycosis

2016· review· en· W2548962281 sur OpenAlexaff
Aditya Gupta, Kelly A. Foley, Sarah G. Versteeg

Notice bibliographique

RevueJournal of Cutaneous Medicine and Surgery · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueNail Diseases and Treatments
Établissements canadiensMediprobe Research (Canada)University of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineFood and drug administrationClinical trialIntensive care medicineClinical study designDermatologyClinical researchLaser treatmentNail diseaseLaserPathologyRisk analysis (engineering)Paronychia

Résumé

récupéré en direct d'OpenAlex

Many studies that have been recently published investigate the efficacy of laser treatment for onychomycosis. These studies support the current US Food and Drug Administration (FDA) approval of lasers for the 'temporary increase in clear nail'. Clear nail growth is an important treatment goal for patients; however, many do not realise that laser treatment is not a cure for onychomycosis. The current article briefly reviews why lasers may be theoretically effective in treating onychomycosis and critically reviews published laser studies for onychomycosis in light of the standards employed in drug trials. Treatment regimens, efficacy endpoints, and the unit of analysis (nails vs patients) vary widely among published laser studies. Complete cure, mycological cure, and clinical improvement rates in laser studies are not reported or use such disparate criteria that comparison among studies is not possible. The US FDA has recently published guidelines for the use of medical devices in clinical trial design for onychomycosis. Future laser studies should adopt the FDA's guidelines to allow for more consistency within the field and focus on the efficacy of lasers as monotherapy for onychomycosis.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,086
Tête enseignante GPT0,379
Écart entre enseignants0,293 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations19
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cutaneous Medicine and SurgeryMême sujetNail Diseases and TreatmentsTravaux en français237 207