MétaCan
Menu
Retour à la cohorte
Enregistrement W3087550983 · doi:10.1177/1203475420957633

Prophylaxis of Post-Inflammatory Hyperpigmentation From Energy-Based Device Treatments: A Review

2020· review· en· W3087550983 sur OpenAlexaff
Ian T.Y. Wong, Vincent Richer

Notice bibliographique

RevueJournal of Cutaneous Medicine and Surgery · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueDermatologic Treatments and Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineDermatologyHyperpigmentationTopical agentsIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Post-inflammatory hyperpigmentation (PIH) is an acquired hypermelanosis that can result from inflammatory dermatologic disease, trauma, or iatrogenesis from procedures. This condition disproportionately affects individuals with skin of color, and it can place a significant psychosocial burden on affected patients. The management of PIH is, therefore, of great interest to clinicians, especially dermatologists. The treatment of established PIH has long been a principal focus within the literature, with publications on the topic outnumbering publications on prophylaxis of PIH. Prophylaxis strategies to prevent PIH vary greatly in clinical practice, likely due to the absence of an evidence-based consensus. Published approaches to PIH prophylaxis include pretreatment (topical alpha hydroxy acids, retinoids, hydroquinone, and brimonidine) and post-treatment strategies (photoprotection, corticosteroids, and tranexamic acid). This review will examine the current literature on prophylaxis of PIH from energy-based device treatments.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,927
Score d'incertitude au seuil0,927

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,357
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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cutaneous Medicine and SurgeryMême sujetDermatologic Treatments and ResearchTravaux en français237 207