Pharmacological Agents Used in the Prevention and Treatment of Actinic Keratosis: A Review
Notice bibliographique
Résumé
Actinic keratosis (AK) is among the most commonly diagnosed skin diseases with potentially life-threatening repercussions if left untreated. Usage of pharmacologic agents represents one of many therapeutic strategies that can be used to help manage these lesions. Ongoing research into these compounds continues to change our clinical understanding as to which agents most benefit particular patient populations. Indeed, factors such as past personal medical history, lesion location and tolerability of therapy only represent a few considerations that clinicians must account for when prescribing appropriate treatment. This review focuses on specific drugs used in either the prevention or treatment of AKs. Nicotinamide, acitretin and topical 5-fluorouracil (5-FU) continue to be used with fidelity in the chemoprevention of actinic keratosis, although some uncertainty persists in regard to which agents should be used in immunocompetent vs. immunodeficient/immunosuppressed patients. Topical 5-FU, including combination formulations with either calcipotriol or salicylic acid, as well as imiquimod, diclofenac and photodynamic light therapy are all accepted treatment strategies employed to target and eliminate AKs. Five percent of 5-FU is regarded as the most effective therapy in the condition, although the literature has conflictingly shown that lower concentrations of the drug might also be as effective. Topical diclofenac (3%) appears to be less efficacious than 5% 5-FU, 3.75-5% imiquimod and photodynamic light therapy despite its favorable side effect profile. Finally, traditional photodynamic light therapy, while painful, appears to be of higher efficacy in comparison to its more tolerable counterpart, daylight phototherapy.
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 | 0,000 |
| 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 ».