Characterizing high-burden rosacea subjects: a multivariate risk factor analysis from a global survey
Notice bibliographique
Résumé
Objective: To characterize rosacea features suitable for identification of high-burden (HB) subjects in clinical practice.Design: Global online survey with subjects recruited using an online panel from the United States, Canada, Italy, United Kingdom, Germany and France. Subjects self-reported a physician’s diagnosis of rosacea.Measurements: HB subjects were defined as those with ≥3/4 domains (quality of life, lifestyle adaptation, time trade-off, willingness to pay) greater than the median. Group characteristics were analyzed and multivariate-logistic modeling used to investigate factors most associated with HB.Results: 710 subjects completed the survey, including 158 HB subjects. HB was observed in all self-declared rosacea severities. HB subjects were more likely to spend more time daily on skin care and experienced approximately double the impact of health problems on work productivity in the past 7 days (p < .01). In the past 12 months, HB subjects were more likely to have at least one visit to the emergency room (41.8% vs 11.2%; p < .01). In the multivariate risk analysis, factors most associated with HB included rosacea severity, impact of health problems on regular daily activities and age at first symptoms.Conclusion: Rosacea has a distinct subset of HB subjects who can be successfully characterized.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».