Perineural Inflammation as a Novel Feature in Lichen Sclerosus: A Case Series of Histologic and Clinical Features
Notice bibliographique
Résumé
ABSTRACT: Lichen sclerosus (LS) is a frequently encountered inflammatory skin disorder characterized by whitened, atrophic patches that can cause pain and pruritus. The underlying cause of this condition remains unknown. Primarily affecting the genital area, this condition carries an increased risk of developing cutaneous cancers and frequently co-occurs with autoimmune disorders. Our retrospective study aimed to explore histologic features of LS, with a particular focus on a newly established finding and its potential implications. We examined 53 histologic cases of LS collected over 2 years. Experienced pathologists evaluated and reached a consensus on the assignment of histologic features. Patient charts were manually reviewed to gather relevant demographic and clinical data. Statistical analysis was performed using IBM SPSS Statistics (2021). Of the 53 total patients identified as meeting criteria for inclusion in this study, only 8 (15%) were male. Eight cases (15%) demonstrated perineural inflammatory infiltrate. Notably, half of all samples from male patients exhibited perineural inflammatory infiltrate. A statistically significant increase ( P < 0.01) in the presence of dermal plasma cells was identified in cases with perineural inflammation versus cases without this feature. The findings of our study highlight the recurrent nature of perineural inflammation in LS, providing valuable insights into this condition. Furthermore, we observed a notable correlation between perineural inflammation, male patients, and the presence of dermal plasma cells. These discoveries contribute to a better understanding of the underlying mechanisms of LS and suggest avenues for future research into the condition.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».