How Effective Are Devices in the Management of Onychomycosis?: A Systematic Review
Notice bibliographique
Résumé
Onychomycosis is the most common nail disorder, with a global prevalence of approximately 5.5%. It is difficult to cure on both short-term and long-term bases. The most common treatments include the use of oral or topical antifungals. Recurrent infections are common, and the use of systemic oral antifungals raises concerns of hepatotoxicity and drug-drug interactions, particularly in patients with polypharmacy. A number of device-based treatments have been developed for onychomycosis treatment, to either directly treat fungal infection or act as adjuvants to increase the efficacy of topical and oral agents. These device-based treatments have been increasing in popularity over the past several years, and include photodynamic therapy, iontophoresis, plasma, microwaves, ultrasound, nail drilling, and lasers. Some, such as photodynamic therapy, provide more direct treatment, whereas others, such as ultrasound and nail drilling, aid the uptake of traditional antifungals. We conducted a systematic literature search investigating the efficacy of these device-based treatment methods. From an initial result of 841 studies, 26 were deemed relevant to the use of device-based treatments of onychomycosis. This review examines these methods and provides insight into the state of clinical research for each. Many device-based treatments show promising results, but require more research to assess their true impact on onychomycosis.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,000 | 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; 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 ».