Overcoming False-Negative Patch Tests: A Systematic Literature Review
Notice bibliographique
Résumé
Exogenous allergens, found in cosmetic products, jewelry items, antiseptics and antibacterials, plants, and solvents, can cause clinical allergic contact Dermatitis (ACD). To help identify and discern which allergen is causing ACD, clinicians use patch tests, but they can yield false-negative results at times. Examining potential reasoning for false negatives is particularly helpful when a patient's history and physical examination strongly suggest ACD, and the patch test is negative. A strong history and physical presentation suggestive of ACD warrants additional patch testing or other methods to verify a false-negative patch test result. We conducted a literature review to compile various reasonings and solutions for false-negative patch tests in suspected ACD patients. Utilizing EMBASE, Scopus, PubMed, and Google Scholars, 49 articles were included by using search terms such as "False negative patch test" or "False-negative patch test" and "allergic contact Dermatitis," or "ACD." Common factors that led to false-negative patch test results include low allergen concentration, inadequate percutaneous penetration, technique error, immunosuppressive therapy, and ultraviolet exposure. Potential solutions include using different vehicles, concentration, increasing reading time, repeating the patch test, intradermal testing, and repeat open application testing. If a false-negative patch test is suspected, then intradermal testing can be administered to ensure the specificity of the patch test result. Considering the main contributing factors and solutions to false-negative patch tests, clinicians can accurately diagnose ACD and administer proper treatment plans.
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 | 0,007 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,019 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».