Comparison of therapeutic agents' short‐term effects on facial and scalp actinic keratosis: A network meta‐analysis
Notice bibliographique
Résumé
BACKGROUND: Care for actinic keratosis (AK) can be improved with more knowledge on the relative of effect of indicated therapies. OBJECTIVES: Using network meta-analyses, we quantitatively determined the comparative "short-term" effects of interventions in adults with facial and scalp AK. METHODS: On February 28, 2023, evidence from the peer-reviewed literature was systematically obtained from OVID, the Cochrane Central Register of Controlled Trials and ClinicalTrials.gov. We analyzed data from studies published in English, of a trial design, and investigating the effect of an actinic keratosis monotherapy. Patient complete clearance, patient partial clearance or lesion-specific clearance across adults were analyzed at 8-12 weeks after therapy. Patient complete clearance pertained to proportion of participants who experienced complete clearance of actinic keratosis lesions; patient partial clearance corresponded to percentage of subjects who achieved at least 75% clearance of actinic keratosis lesions; lesion-specific clearance represented the percentage of all lesions that were cleared. In the main (i.e., base) analyses, nodes were analyzed only at the level of the agent. RESULTS: Data from a total of 84 studies were used-across which 22 active agents were identified. Estimates of interventions' surface under the cumulative ranking curve rankings and (pairwise) relative effects were estimated. Across the three outcomes, fluorouracil 5% was ranked the most effective. CONCLUSIONS: Our work is the first to provide information on covariate-adjusted relative effects of actinic keratosis therapies- including the more recently reported treatments-for the face and scalp; this knowledge may help physicians and patients make more informed decisions.
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 | 0,001 |
| 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 ».