MétaCan
Menu
Retour à la cohorte
Enregistrement W3121056809 · doi:10.1097/der.0000000000000683

Photopatch Testing in New Zealand: A 12-Year Retrospective Review

2021· article· en· W3121056809 sur OpenAlexvenueno aff
Yena Kim, Denesh C Patel, Deborah Greig, Harriet Cheng

Notice bibliographique

RevueDermatitis · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSkin Protection and Aging
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineDermatologyPromethazinePatch testingAllergic contact dermatitisContact dermatitisReferralPopulationRetrospective cohort studyAllergySurgeryFamily medicineAnesthesia

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Little is known about the common photoallergens in New Zealand, where ultraviolet exposure is particularly high. Availability of photopatch testing is limited because of it being performed in very few tertiary referral and contact dermatitis clinics. OBJECTIVE: To review the photopatch testing experience in New Zealand. METHOD: A retrospective review of all patients who underwent photopatch testing at a tertiary referral center in Auckland from 2008 to 2019 was performed. RESULTS: Seventy patients had photopatch testing over the 12-year period. Of the 58 patients tested using the photoallergen series, 6 (10%) patients had a positive photopatch test reaction, of which 4 were to promethazine and 2 were to benzophenone-3. The most common postpatch diagnosis was endogenous dermatitis (54%), followed by allergic contact dermatitis (21%), photoallergic contact dermatitis (9%), and chronic actinic dermatitis (4%). CONCLUSIONS: Both patch and photopatch testing are important investigations in patients with suspected photoallergic contact dermatitis. Promethazine and benzophenone-3 were the most frequent and only photoallergens in our population. Promethazine sensitization was via oral exposure, supporting a mechanism of systematized photoallergy to promethazine.

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,025
Tête enseignante GPT0,275
Écart entre enseignants0,250 · 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'étudeObservationnel
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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDermatitisMême sujetSkin Protection and AgingTravaux en français237 207