MétaCan
Menu
Retour à la cohorte
Enregistrement W2875052749 · doi:10.1111/ddg.13580

Positionspapier: Diagnostik und Therapie der Xerosis cutis

2018· article· de· W2875052749 sur OpenAlexaff
Matthias Augustin, Dagmar Wilsmann‐Theis, Andreas Körber, Martina Kerscher, Götz Itschert, Michaela Dippel, Petra Staubach

Notice bibliographique

RevueJDDG Journal der Deutschen Dermatologischen Gesellschaft · 2018
Typearticle
Languede
DomaineMedicine
ThématiqueDermatology and Skin Diseases
Établissements canadiensInstitute of Health Services and Policy Research
Organismes subventionnairesnon disponible
Mots-clésGynecologyMedicine

Résumé

récupéré en direct d'OpenAlex

HINTERGRUND UND RATIONALE: Die Xerosis cutis (Synonym: Xerodermie, trockene Haut, hydrolipidarme Haut) ist mit > 10 Millionen Betroffenen nicht nur eine der häufigsten dermatologischen Diagnosen in Deutschland, sondern auch Leitsymptom vieler dermatologischer, internistischer und neurologischer Erkrankungen. Trotz der medizinischen Relevanz der topischen Basistherapie für die Xerosis cutis gibt es in Deutschland für ihr Management bisher keinen wissenschaftlich belegten Diagnostik- und Therapiealgorithmus. ZIEL: Dieses Positionspapier vermittelt Ärzten fachübergreifend einen an individuellen Symptomen orientierten, praxisnahen Leitfaden für die Prävention, Diagnostik und Therapie der Xerosis cutis. METHODIK: Im Rahmen eines strukturierten Entscheidungsprozesses wurden von erfahrenen dermatologischen Experten zunächst praxisrelevante Fragestellungen definiert und systematisch aufgearbeitet. Auf der Basis von Evidenz und Expertenkonsens wurden daraus diagnostische und therapeutische Algorithmen mit Empfehlungen für die Praxis entwickelt und konsentiert. ERGEBNIS: Die Xerosis cutis kann grundsätzlich klinisch diagnostiziert werden. Auslöser und/oder Grunderkrankungen müssen abgeklärt und vermieden bzw. spezifisch behandelt werden. Bei der Wahl der geeigneten Basistherapie ist es wichtig, dass nicht nur die Hauthydratation verbessert, sondern auch die Barrierefunktion der Haut wiederhergestellt wird. Sie sollte daher aus einer Kombination von rückfeuchtenden und rückfettenden Inhaltsstoffen bestehen. Je trockener die Haut, desto lipidhaltiger sollte die Hautpflege sein (bevorzugt Wasser-in-Öl-Formulierungen). Die individuelle Auswahl der Inhaltsstoffe orientiert sich nach kausaler Prüfung an den Symptomen Schuppung (v.a. Urea), Fissuren/Rhagaden (v.a. Urea oder Dexpanthenol), Rötung (v.a. Licochalcone A) und Pruritus (v.a. Polidocanol), sowie an der Lokalisation und dem Alter der Patienten. Inhaltsstoffe bzw. Inhaltsstoffkombinationen mit guter Studienevidenz sind zu bevorzugen. Die mit Abstand beste Evidenz bei der Xerosis cutis weist Urea auf, dessen Wirksamkeit in Kombination mit anderen natürlichen Feuchthalte-Komponenten und Ceramiden noch gesteigert werden kann. Zur Arbeitserleichterung am Patienten und zum besseren Erlernen wurde das Xerosimeter entwickelt, das die praktische Umsetzung der Diagnostik und Verlaufskontrolle, eine Klassifikation der Inhaltsstoffe und einen strukturierten Therapiealgorithmus enthält. SCHLUSSFOLGERUNG: Das hier vorgeschlagene strukturierte symptom- und evidenzorientierte Vorgehen mit Diagnostik- und Behandlungspfad soll für die Prävention und frühzeitige Behandlung der Xerosis cutis sensibilisieren. Damit können die Lebensqualität verbessert und Folgeerkrankungen verhindert werden.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,759
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,003
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,024

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 Opus0,019
Tête enseignante GPT0,309
Écart entre enseignants0,290 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations31
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJDDG Journal der Deutschen Dermatologischen GesellschaftMême sujetDermatology and Skin DiseasesTravaux en français237 207