Epidemiology of Onychomycosis in the United States Characterized Using Molecular Methods, 2015–2024
Notice bibliographique
Résumé
Onychomycosis is a recalcitrant fungal infection of the nail unit that can lead to secondary infections and foot complications. Accurate pathogen identification by confirmatory testing is recommended to improve treatment outcomes. In this study, we reviewed the records of 710,541 patients whose nail specimens were sent to a single molecular diagnostic laboratory between 2015 and 2024. PCR testing revealed a more comprehensive spectrum of pathogens than previously reported, which was corroborated by the demonstration of fungal invasion on histopathology. Consistent with our current understanding, the T. rubrum complex (54.3%) are among the most common pathogens; however, a significant portion of mycology-confirmed diagnoses were caused by the T. mentagrophytes complex (6.5%), Aspergillus (7.0%) and Fusarium (4.5%). Females were significantly more likely to be infected with non-dermatophytes molds (NDMs; OR: 2.0), including Aspergillus (OR: 3.3) and Fusarium (OR: 2.0), and yeasts (OR: 1.5), including Candida albicans (OR: 2.0) and C. parapsilosis (OR 1.6), than males. The T. mentagrophytes complex became more prevalent with age, and conversely the T. rubrum complex became less prevalent with age. Patients aged ≥65 years also demonstrated a higher likelihood of contracting onychomycosis caused by NDMs (OR: 1.6), including Aspergillus (OR: 2.2), Acremonium (OR: 3.5), Scopulariopsis (OR: 2.9), Neoscytalidium (OR: 3.8), and yeasts (OR: 1.8), including C. albicans (OR: 1.9) and C. parapsilosis (OR: 1.7), than young adults. NDMs (e.g., Aspergillus and Fusarium) and yeasts were, overall, more likely to cause superficial onychomycosis and less likely to cause dystrophic onychomycosis than dermatophytes. With regards to subungual onychomycosis, Aspergillus, Scopulariopsis and Neoscytalidium had a similar likelihood as dermatophytes. The advent of molecular diagnostics enabling a timely and accurate pathogen identification can better inform healthcare providers of appropriate treatment selections and develop evidence-based recommendations.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».