Cheilitis: A Diagnostic Algorithm and Review of Underlying Etiologies
Notice bibliographique
Résumé
Abstract: Cheilitis, or inflammation of the lips, is a common reason for dermatologic consultation. The inflammation can include the vermillion lip, vermillion border, and surrounding skin, and can present with an acute or chronic course. There are many etiologies, including irritant and allergic contact dermatitis, atopic cheilitis, actinic cheilitis, infectious etiologies, nutritional deficiencies, drug-induced cheilitis, and rare etiologies, including granulomatous cheilitis, cheilitis glandularis, plasma cell cheilitis, lupus cheilitis, and exfoliative cheilitis. Distinguishing among the various etiologies of cheilitis is clinically difficult, as many causes may produce similar erythema and superficial desquamation of mucosal skin. In addition, patients report dryness, redness, irritation, burning, fissuring, and itch in many of the underlying causes. Thus, the specific etiology of cheilitis is often difficult to diagnose, requiring extensive testing and treatment trials. In this review, we summarize the various types of cheilitis, synthesizing novel cases, clinical presentations, histopathology, epidemiology, and advancements in diagnostic methods and therapeutics. We provide a diagnostic algorithm aimed to assist clinicians in the management of cheilitis.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 ».