Epidemiology, genetics and management of vitiligo in the USA: an All of Us investigation
Notice bibliographique
Résumé
BACKGROUND: Vitiligo is an autoimmune skin depigmentation disorder significantly impacting quality of life. This condition is difficult to treat, with high relapse rates. Additionally, vitiligo associates with other autoimmune conditions, complicating patient management. Improving patient outcomes relies on understanding vitiligo's clinical landscape and genetic risk factors. OBJECTIVES: We aimed to understand vitiligo's patient distribution, current management practices, how comorbid autoimmune conditions influence treatment and how genetic risk factors vary in diverse populations. METHODS: We conducted a cross-sectional study of the All of Us research program, consisting of surveys, electronic health records and genomic data from 206,173 participants in the USA recruited between the summer of 2017 and 1 July 2022. We determined diagnostic and prescribing rates and elucidated differences in genetic risk within different populations. RESULTS: Oral corticosteroids are most frequently prescribed, followed by other immunosuppressive drugs and topical medications. Comorbid systemic lupus erythematosus impacted treatment choices. Single nucleotide polymorphisms associated with increased risk in patients of European decent were not always associated with increase risk in patients of other ancestry. CONCLUSIONS: This work highlights the current treatment landscape for vitiligo in the USA. We demonstrated that comorbid conditions impact treatment choices and genetic risk factors vary between ethnic groups.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».