MétaCan
Menu
Retour à la cohorte
Enregistrement W2594424919 · doi:10.1111/ijd.13578

Melasma: systematic review of the systemic treatments

2017· review· en· W2594424919 sur OpenAlexaff
Linghong Linda Zhou, Akerke Baibergenova

Notice bibliographique

RevueInternational Journal of Dermatology · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueDermatologic Treatments and Research
Établissements canadiensUniversity of TorontoUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMelasmaMedicineDermatologyTolerabilityRandomized controlled trialAdverse effectTranexamic acidClinical trialPharmacologyInternal medicineSurgery

Résumé

récupéré en direct d'OpenAlex

Currently available treatment options for melasma include prevention of UV radiation, topical lightening agents, chemical peels, and light-based and laser therapies. However, none have shown effective and sustained results, with incomplete clearance and frequent recurrences. There has been increasing interest recently in oral medications and dietary supplements in improving melasma. We sought to evaluate the efficacy and safety/tolerability of oral medications and dietary supplements for the treatment of melasma. Multiple databases were systematically searched for randomized clinical trials (RCTs) evaluating the use of oral medication for treatment of melasma alone or in combination with other treatments. A total of eight RCTs met inclusion criteria. Oral medications and dietary supplements evaluated include tranexamic acid, Polypodium leucotomos extract, beta-carotenoid, melatonin, and procyanidin. These agents appear to have a beneficial effect on melasma improvement. In conclusion, oral medications have a role in melasma treatment and have been shown to be efficacious and tolerable with a minimal number and severity of adverse events. Therefore, dermatologists should keep oral medications and dietary supplements in their armamentarium for the treatment of melasma.

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)0,003
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,006
Bibliométrie0,0080,010
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,110
Tête enseignante GPT0,471
Écart entre enseignants0,360 · 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'étudeRevue systématique
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

Citations87
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of DermatologyMême sujetDermatologic Treatments and ResearchTravaux en français237 207