Eruptive Seborrheic Keratoses Are Associated With a Co-Occurring Malignancy in the Majority of Reported Cases: A Systematic Review
Notice bibliographique
Résumé
Background Eruptive seborrheic keratoses (ESK) is a benign skin condition that has been associated with malignant and nonmalignant diseases. We conducted a systematic review of reported cases of ESK to identify and summarize associated comorbidities. Methods MEDLINE and Embase were searched from database inception (1946) to July 31, 2020 for original articles describing ESK with or without a co-occurring condition. Subject demographics, as well as details of ESK and associated diagnoses were extracted from 76 articles (70 case reports, 3 case series, 3 case control studies) representing 92 patients. Results In total, 76.1% ( n = 70/92) of patients with ESK had a co-occurring malignancy, 4.3% ( n = 4/92) presented with a nonmalignant condition, 9.8% ( n = 9/92) experienced ESK as an adverse drug reaction, and 9.8% ( n = 9/92) did not report any underlying medical condition. ESK preceded a cancer diagnosis in 76.1% ( n = 70/92) of patients with a mean latency period of 4.0 months (range: 0.25-9 months). The most common malignancies associated with ESK were cutaneous T-cell lymphoma ( n = 10/70, 14.3%) and gastrointestinal adenocarcinoma ( n = 9/70, 12.9%). ESK preceded nonmalignant conditions or no disease in 14.1% ( n = 13/92) of patients with a mean latency period of 3.1 months (range: 0.75-6 months). Drug-induced ESK occurred in 9.8% ( n = 9/92) of patients with a mean latency period of 7.1 weeks after changing medication. Conclusion Although the role of ESK as a paraneoplastic cutaneous marker is debated, healthcare providers should consider screening for underlying malignancy in patients presenting with ESK. Larger studies are needed to confirm its role as a marker for disease.
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 | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».