MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413048072 · doi:10.1177/17103568251365630

Review of Fixed Food Eruptions

2025· review· en· W4413048072 sur OpenAlexvenueno aff
Kareena S Garg, Ahsan Raza Raja, Aamir Hussain

Notice bibliographique

RevueDermatitis · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueFood Allergy and Anaphylaxis Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicine

Résumé

récupéré en direct d'OpenAlex

Fixed food eruption (FFE) is a rare cutaneous reaction characterized by the recurrence of skin lesions at the same sites following ingestion of specific food triggers. This review aims to address gaps in the literature by synthesizing findings from published cases and studies on FFE. A systematic search of the databases MEDLINE, Embase, Cochrane Central Register of Controlled Trials, and Web of Science was conducted on April 11, 2025. After screening for duplicates and excluding irrelevant studies, 32 studies were included in the review. Results showed that there was a greater prevalence of FFE documented in women (63.9%, n = 39) and patients over 18 years old (73.7%, n = 45). The most frequent offending agent identified was tonic water in 24.1% of cases (n = 15). The next most common triggers were cashew nuts and peanuts in 8.1% of cases each (n = 5). The onset of FFE was noted to be less than 4 hours after exposure in 67.2% of cases (n = 41). To diagnose FFE, the majority of studies, 78.6% (n = 48), utilized an oral challenge with the suspected agent to confirm association with the fixed eruption. Patch tests, 49.1% (n = 30), and biopsies, 21.3% (n = 13), were also frequently utilized. Negative patch tests on either previously affected or unaffected skin were also noted in 49.1% of cases (n = 30). Of note, only 29.5% (n = 18) of cases reported any form of treatment, and 72.2% (n = 13) of these reported trigger avoidance as the only form of management. To our knowledge, this is the first comprehensive review of FFE, synthesizing data on demographics, triggers, and diagnostic techniques.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0060,004
Bibliométrie0,0130,013
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,060
Tête enseignante GPT0,388
Écart entre enseignants0,327 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDermatitis→Même sujetFood Allergy and Anaphylaxis Research→Travaux en français237 207→