Population-based Clinical Practice Research Datalink study using algorithm modelling to identify the true burden of hidradenitis suppurativa
Notice bibliographique
Résumé
Summary Hidradenitis suppurativa (HS) is a long-term skin disease affecting young adults, causing multiple boils in skin crease sites such as the armpits and groins. The boils are painful, may produce pus and leave disfiguring scars. How common HS is remains controversial, with recent reports using USA medical insurance data suggesting about 0.1% of the population is affected, which is lower than European studies using self-reported questionnaires (completed by the patient). This may be because insurance databases miss undiagnosed cases. Our study team based in the UK aimed to use UK electronic data recorded by General Practitioners (GPs) to identify known and previously undiagnosed cases of HS. We identified undiagnosed cases by looking for patients who had seen their GP for at least 5 skin boils and validated their diagnosis by sending some of the GPs a questionnaire to double-check. Out of 4.3 million patients in the GP database, we found 23,000 diagnosed HS patients and 10,000 undiagnosed patients, showing that 0.77% of the UK population has HS. Including probable cases, who had 1-4 skin boil consultations, the figure rises to 1.19%. Comparing people with HS to similar people without HS, there are higher rates of smoking and obesity (both 3 times more common), as well as type 2 diabetes, Crohn's disease, raised fat levels in the blood, acne, high blood pressure and depression. However a link was not found between HS and ulcerative colitis or polycystic ovary syndrome. In conclusion, we found that HS is relatively common, nearly 10 times more common than the estimates using USA insurance data. People with HS have higher rates of risk factors for heart disease and stroke and so checking for these conditions is important.
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 | 0,028 | 0,122 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».