Prevalence of Oral Manifestations in Systemic Lupus Erythematosus Patients Referred to Shahid Mohammadi Hospital in 2018 - 2019
Notice bibliographique
Résumé
Background: The oral mucosa is damaged in a significant percentage of patients with lupus, with the main oral lesions being ulcers, erythematous lesions, and discoid lesions. The prevalence of these lesions is estimated to vary from 9% to 45% in systemic disease and 3% to 20% in local skin disease. Objectives: One of the symptoms of lupus is its oral manifestations. Therefore, we decided to conduct a study to investigate the prevalence of oral manifestations in lupus patients referred to Shahid Mohammadi Hospital in Bandar Abbas. Methods: In this descriptive cross-sectional study, the recorded information of patients with lupus referred to Shahid Mohammadi Hospital in Bandar Abbas from 2018 to 2019 was reviewed. All enrolled patients met the American College of Rheumatology criteria for classifying lupus. Recorded information, including demographic characteristics and various clinical manifestations, was recorded after examining the patients. Data were analyzed using SPSS-22 software. Results: A total of 76 patients were studied. Of them, 23 (30.2%) were males, and 53 (69.8%) were females. The mean age of the participants was 6.1 ± 42.9. The most common site of oral lesion in the participants was the lip area (36 patients), followed by buccal mucosa (22 patients), hard palate (14 patients), and dorsal surface of the tongue (four patients). The majority of the clinical manifestations of the lesion were wounds (36 individuals), followed by white and red lesions (20 patients), non-cleansing white lesions (12 patients), and red lesions (eight individuals). Conclusions: Oral symptoms are usually the first signs of this disease. For this reason, dentists have an important role to play in diagnosing emerging autoimmune diseases. Ulcers are the most prevalent clinical manifestations, according to this study, and the lips are the most prevalent location. As a result, in patients with systemic lupus erythematosus, these two findings should be given greater importance than others.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».