MétaCan
Menu
Retour à la cohorte
Enregistrement W4407591641 · doi:10.1111/ajd.14432

Prevention of Post‐Inflammatory Hyperpigmentation in Skin of Colour: A Systematic Review

2025· review· en· W4407591641 sur OpenAlexaff
Kristie Mar, Mahan Maazi, Bushra Khalid, Ou Jia Wang, Touraj Khosravi‐Hafshejani

Notice bibliographique

RevueAustralasian Journal of Dermatology · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueDermatologic Treatments and Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineDermatologyHyperpigmentationSkin hyperpigmentationIncidence (geometry)MEDLINESystematic reviewSurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND/OBJECTIVES: Post-inflammatory hyperpigmentation (PIH) impacts all skin tones with a heightened predilection for Fitzpatrick skin types (FST) III-VI. Preventative measures include pre- and post-intervention approaches, such as sunscreen and corticosteroids. This systematic review aims to summarise the preventative measure outcomes for skin of colour individuals. METHODS: A literature search was conducted using MEDLINE (from 1946) and Embase (from 1974) in adherence to the Preferred Reporting Items for Systematic Reviews and Meta-Analysis guidelines. RESULTS: Of 14 studies, 369 cases were included. The mean age was 38 years (n = 293) and 72% were female (n = 265). All patients were of Asian ethnicity, and 42% were of FST III, 54% FST IV, and 4% FST V. Nearly all cases were precipitated by laser therapy (> 95%), and the face was the most reported location (85%). The most successful preventative measure was sunscreen alone or combined with other ingredients. Less successful outcomes were seen with topical corticosteroids and systemic tranexamic acid, while cooling air devices exacerbated the development of PIH. CONCLUSION: Overall, only sunscreen consistently prevented the incidence of PIH; however, the severity of the ensuing PIH may be diminished with other measures. There is considerable room for improved preventative strategies for at-risk populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,815

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0060,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,393
Écart entre enseignants0,361 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralasian Journal of DermatologyMême sujetDermatologic Treatments and ResearchTravaux en français237 207