Evaluating skin colour diversity in the validation of scar assessment tools
Notice bibliographique
Résumé
Across scar studies, there is a lack of dark-skinned individuals, who have a predisposition for keloid formation, altered pigmentation and poorer quality of life (QOL). There is a need for patients of colour to be included in scar scale development and validation. In this study, we evaluate the racial diversity of patients included in the validation of scar assessment scales. A systematic review was conducted for articles reporting on the validation of a scar assessment tool. Racial, ethnic and Fitzpatrick skin type (FST) data were extracted. Fifteen scar scale validation studies were included. Nine of the studies did not mention FST, race or ethnicity of the patients. Two of the studies that reported FST or race information only included White patients or included no FST V/VI patients: mapping assessment of scars (MAPS) and University of North Carolina '4P'. Only four studies included non-White patients or dark-skinned patients in the validation of their scar scale: the modified Vancouver Scar Scale (VSS), modified Patient and Observer Scar Assessment Scale (POSAS), acne QOL and SCAR-Q scales. The patients included in the modified VSS validation were 7% and 13% FST V/VI, 14% African in the modified POSAS and 4.5% FST V/VI in the SCAR-Q. We highlight the severe lack of diversity in scar scale validation, with only 4 out of 15 studies including dark-skinned patients. Given the susceptibility of darker-skinned individuals to have poorer scarring outcomes, it is critical to include patients of colour in the very assessment tools that determine their scar prognosis. Inclusion of patients of colour in scar scale development will improve scar assessment and clinical decision-making.
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 ».