Impact of Medical and Surgical Treatments on Quality of Life and Pain for Hidradenitis Suppurativa: A Systematic Review and Meta Analysis
Notice bibliographique
Résumé
To the Editor, Hidradenitis suppurativa (HS) is a chronic inflammatory skin disease that can significantly affect patients' quality of life (QoL), causing pain, discomfort, and emotional distress.1,2 With emerging therapies for HS, reporting patientreported outcomes (PROs) in studies is crucial, as QoL and pain remain primary considerations in treatment selection.3 This systematic review and meta-analysis evaluates the impact of current HS treatments on QoL and other PROs in observational studies.MEDLINE, Embase, CENTRAL, and LILACS were searched from inception to April 2024, using keywords related to HS and PROs.Primary literature on medical, surgical, and other treatments for HS were included (Figure S1).Study characteristics, baseline, and post-intervention PRO scores were extracted.Where data were sufficient, a randomeffects meta-analysis was conducted to determine the impact of HS treatments on QoL and pain.Results were reported as standardized mean differences (SMD) for generalizability and clinical relevance.The risk of bias was assessed with Joanna Briggs Institute checklists and the Cochrane risk of bias tool according to a pre-registered PROSPERO protocol (CRD42024542774).From 43 studies, 1763 patients (mean age: 36.7 years) with female predominance (58.1%) were identified.Most had Hurley stage II/III disease (82.6%); baseline Dermatology Life Quality Index (DLQI), pain Numerical Rating Scale, and Visual Analog Scale (VAS) scores averaged 15.3/30, 6.0/10, and 5.8/10, respectively, indicating a significant QoL impairment and moderate pain (Table S1).Intralesional kenalog, resorcinol, Janus kinase inhibitors, hyperbaric oxygen, photodynamic therapy, laser, and combination treatments were analyzed descriptively (Tables S2-S8).Meta-analysis revealed a large improvement in DLQI scores for all treatments (SMD >0.8).Among medical interventions, anti-TNF-α inhibitors (SMD 1.28-1.46,95% CIs
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 | 0,023 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,019 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».