Light‐ and laser‐based treatments for granuloma annulare: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Granuloma annulare (GA) is challenging to treat, especially when generalized. A systematic review to support the use of light- and laser-based treatments for GA is lacking. METHODS: We performed a systematic review by searching Cochrane, MEDLINE, and Embase. Title, abstract, full-text screening, and data extraction were done in duplicate. Quality appraisal was performed using the Joanna Briggs Institute critical appraisal tool for case series. RESULTS: Thirty-one case series met the inclusion criteria, representing a total of 336 patients. Overall, psoralen ultraviolet light A (PUVA) showed the greatest frequency of cases with complete response (59%, n = 77/131), followed by photodynamic therapy (PDT) (52%, n = 13/25), ultraviolet light B (UVB)/narrowband UVB (nbUVB)/excimer laser (40%, n = 19/47), UVA1 (31%, n = 27/86), and lasers (29%, n = 8/28). Overall across treatment modalities, higher response rates were seen in localized GA compared to generalized GA. CONCLUSIONS: The body of evidence for light- and laser-based treatment of GA is sparse. Our results suggest that PUVA has a high clearance rate for GA but its use may be limited by concerns of carcinogenesis. Although PDT has the second highest clearance rate, adverse effects, small sample sizes, impractical treatment delivery (especially with generalized disease), and long-term concerns of carcinogenesis may limit its use. Although UVB/nbUVB/excimer laser appeared slightly less effective than other light therapies, we recommend UVB/nbUVB/excimer laser therapy as a first-line treatment for patients with generalized GA given wider availability and a favorable long-term safety profile.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».