Patient Characteristics, Diagnostic Testing Utilization, and Antifungal Prescribing Pattern for Onychomycosis in the USA: A Cohort Study Using DataDerm, 2016–2022
Notice bibliographique
Résumé
Introduction: Onychomycosis is a complex nail disease that is commonly seen in daily practice. Methods: Electronic health records of clinically diagnosed onychomycosis patients were extracted using DataDerm - a dermatology data registry hosted by the American Academy of Dermatology - spanning from the year 2016 to 2022. Results: Regardless of age, an increasing trend in patient volume was observed in the Southern US region, which accounted for 50.7-56.9% of onychomycosis patients in 2022. A coinfection of tinea pedis was present among 15.6-22.5% of patients. Diagnostic testing was infrequently utilized with less than one-quarter of patients having a histopathologic examination (12.7-21.9%) followed by fungal culture (5.5-8.2%) and direct microscopic examination (3.3-6.0%). Treatments were infrequently prescribed, accounting for less than one-quarter of patients (orals, terbinafine: 20.8-29.1%, fluconazole: 12.9-16.5%; topicals, efinaconazole: 3.2-13.8%); over 30% of treated patients received a combination regimen or experienced switching of treatments. Prescribing patterns did not significantly differ in vulnerable patient groups such as elderly patients and in patients with concomitant tinea pedis. Patients receiving a topical and/or oral antifungal prescription were frequently not tested to confirm the onychomycosis diagnosis (76.9%). Conclusion: Our findings add to a growing body of literature calling for the improvement of onychomycosis management practices.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».