Atopic Dermatitis in Latin America: A Roadmap to Address Data Collection, Knowledge Gaps, and Challenges
Notice bibliographique
Résumé
BACKGROUND: Atopic dermatitis (AD) is a systemic, multifactorial disease that causes significant morbidity and health care burden in Latin America (LA). Data on AD are scarce in LA. Lack of disease registries and non-standardized study methodologies, coupled with region-specific genetic, immunological, and environmental factors, hamper data collection. A panel of LA experts in AD was given a series of relevant questions to address before a conference. Each narrative was discussed and edited through numerous rounds of deliberation until achieving consensus. Identified knowledge gaps in AD research were updated prevalence, adult-disease epidemiology, local phenotypes and endotypes, severe-disease prevalence, specialist distribution, and AD public health policy. Underlying reasons for these gaps include limited funding for AD research, from epidemiology and public policy to clinical and translational studies. Regional heterogeneity requires that complex interactions between race, ethnicity, and environmental factors be further studied. Informed awareness, education, and decision making should be encouraged.
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 | 0,203 | 0,170 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,014 | 0,011 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,013 | 0,020 |
| Science ouverte | 0,008 | 0,023 |
| Intégrité de la recherche | 0,009 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
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 ».