Dermatologic Conditions in Down Syndrome: A Multi‐Site Retrospective Review of International Classification of Diseases Codes
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: As the population and life expectancy of people with Down syndrome increases, identifying common skin conditions throughout the lifespan will help inform clinical care and research. We sought to evaluate dermatologic conditions diagnosed in pediatric and adult patients with Down syndrome. METHODS: This multicenter retrospective study analyzed demographic and outpatient visit International Classification of Diseases codes of patients with Down syndrome evaluated at outpatient dermatology clinics in the United States or Canada between 2011 and 2021. RESULTS: A total of 1529 patients with Down syndrome were identified from eight academic medical centers: 50.8% were children (0-12 years), 25.2% were adolescents (13-17 years), and 24% were adults (18 years and older). Eczematous dermatitis was the most common diagnosis overall (26%), followed by folliculitis (19.3%) and seborrheic dermatitis (15.6%). Other notable diagnoses included dermatophyte infections (13%), alopecia areata (11.6%), and psoriasis (6.7%). About 4.3% of visits included a code for high-risk medication use. Eczematous dermatitis, alopecia areata, and folliculitis were the most common diagnoses observed in children; folliculitis, hidradenitis suppurativa, and eczematous dermatitis in adolescents; and seborrheic dermatitis, eczematous dermatitis, and folliculitis in adults. CONCLUSIONS: Dermatologic conditions in patients with Down syndrome vary by age, but are most often eczematous, adnexal, and cutaneous autoimmune disorders. This multicenter retrospective review identifies skin diseases that should be prioritized for clinical care guideline development and research in the Down syndrome community.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».