Comorbidity screening in hidradenitis suppurativa: Evidence-based recommendations from the US and Canadian Hidradenitis Suppurativa Foundations
Notice bibliographique
Résumé
BACKGROUND: Hidradenitis suppurativa (HS) is associated with comorbidities that contribute to poor health, impaired life quality, and mortality risk. OBJECTIVE: To provide evidence-based screening recommendations for comorbidities linked to HS. METHODS: Systematic reviews were performed to summarize evidence on the prevalence and incidence of 30 comorbidities in patients with HS relative to the general population. The screening recommendation for each comorbidity was informed by the consistency and quality of existing studies, disease prevalence, and magnitude of association, as well as benefits, harms, and feasibility of screening. The level of evidence and strength of corresponding screening recommendation were graded by using the Strength of Recommendation Taxonomy (SORT) criteria. RESULTS: Screening is recommended for the following comorbidities: acne, dissecting cellulitis of the scalp, pilonidal disease, pyoderma gangrenosum, depression, generalized anxiety disorder, suicide, smoking, substance use disorder, polycystic ovary syndrome, obesity, dyslipidemia, diabetes mellitus, metabolic syndrome, hypertension, cardiovascular disease, inflammatory bowel disease, spondyloarthritis, and sexual dysfunction. It is also recommended to screen patients with Down syndrome for HS. The decision to screen for specific comorbidities may vary with patient risk factors. The role of the dermatologist in screening varies according to comorbidity. LIMITATIONS: Screening recommendations represent one component of a comprehensive care strategy. CONCLUSIONS: Dermatologists should support screening efforts to identify comorbid conditions in HS.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».