Clinical Diagnosis and Laboratory Testing of Abnormal Appearing Toenails: A Retrospective Assessment of Confirmatory Testing for Onychomycosis in the United States, 2022–2023
Notice bibliographique
Résumé
Onychomycosis is an under-recognized healthcare burden. Despite the risk of misdiagnosis, confirmatory laboratory testing is under-utilized. Histopathologic examination with polymerase chain reaction (PCR) is currently the most effective diagnostic method; it offers direct detection and identification of a fungal invasion. In this retrospective cohort study, we assessed confirmatory testing results, with matching clinical diagnoses, in 96,293 nail specimens submitted during a 9-month period from 2022 to 2023. Toenail specimens were examined using fungal culture, histopathology and/or PCR. Clinical diagnoses were identified using the International Classification of Diseases 10th Revision codes. For clinically diagnosed onychomycosis patients, the overall positivity rate was 59.4%; a similar positivity rate (59.5%) was found in patients with clinically diagnosed non-fungal nail dystrophy. Performing a histopathologic examination with PCR was more likely to provide pathogen identification results than using fungal culture. Male patients had a higher rate of onychomycosis overall; however, female patients had more non-dermatophyte mold onychomycosis caused by Aspergillus. Clinically diagnosed onychomycosis patients with a co-diagnosis of tinea pedis were more likely to test positive for onychomycosis by PCR (odds ratio [OR]: 4.2; 95% confidence interval [CI]: 2.7–6.4), histopathology (OR: 2.5; 95% CI: 2.0–3.1) and fungal culture (OR: 3.2; 95% CI: 1.5–6.6). Our results support the use of confirmatory laboratory testing when there is a clinical diagnosis of 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».