Masks trigger facial seborrheic dermatitis and psoriasis: evidence from a multicenter, case-control study during COVID-19 pandemic
Notice bibliographique
Résumé
BACKGROUND: Wearing masks is an optimal preventive strategy during COVID-19 pandemic, but it may increase facial sebum production. However, few case reports have described seborrheic dermatitis (SeBD) and psoriasis (PsO) flares due to masks. Hence, we conducted a multicenter study to clarify the possibility of increased SeBD and PsO flares in association with mask wearing during the COVID-19 pandemic. METHODS: This multicenter study enrolled patients with a diagnosis of facial SeBD and PsO. All dermatological consultations were conducted in teledermatology at baseline (T0) and after 1 month (T1) Of >6 hours/day wearing mask. PsO patients were assessed using PsO Area and Severity Index (PASI) and self-administered PASI (SAPASI), whilst SeBD patients with symptom scale of seborrheic dermatitis' (SSSD) and seborrheic dermatitis area and severity index (SEDASI). RESULTS: A total of 33 (20 males, 13 females, average age 43.61±9.86) patients with PsO and 33 (20 males, 13 females, average age 44.00±8.58) with SeBD were enrolled. After 1 month, PsO patients displayed higher values of both PASI and SAPASI (P<0.0001), while SeBD patients experienced a flare, as testified by the increment of both SSSD and SEDASI (P<0.0001). Mask type did not seem to influence the flare severity. CONCLUSIONS: Masks remain an optimal preventive strategy during COVID-19 pandemic, but patients with PsO and SeBD may experience facial flares. Thus, therapeutic approach should be more aggressive in these groups of patients to counteract the triggering effect of masks.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».