Evaluation of clinical scales among populations diagnosed with atopic dermatitis: A scoping review
Notice bibliographique
Résumé
Abstract Background Common diagnostic tools for atopic dermatitis (AD) often perform worse in skin-of-colour (SOC) populations. The objective of this review is to map the prevalence, validation, and effectiveness of clinician-based and patient-reported tools for diagnosing AD in SOC groups across all ages. Methods This review followed PRISMA-ScR guidelines and searched Embase, Scopus, PubMed, MEDLINE, Web of Science, and MedRxiv for articles published January 2015 through December 2023. Eligible studies were observational, randomized, or review articles evaluating clinician-rated scales or patient-reported measures with self-identified race or ethnicity. We excluded non-English publications, case reports/series, guidelines, editorials, and studies lacking stratification. After de-duplication, two reviewers screened titles, abstracts, and full texts with conflicts resolved by a third reviewer. Data extraction captured study design, population demographics, tools evaluated, and key findings on accuracy and reliability in SOC cohorts. Results 28 articles (total n = 20 332) met inclusion criteria. 24 assessed clinician-rated scales, most often EASI (n = 16), SCORAD (n = 10), and o-SCORAD (n = 8). These tools frequently underestimate AD severity in Fitzpatrick IV-VI skin types. Five studies examined alternative clinician tools (vIGA-AD, IGAxBSA). Rajka-Langeland and ADSI scores were each assessed once. Patient-reported outcomes (PROs) were dominated by POEM (n = 17), which had only 14% SOC participants during initial validation. PO-SCORAD (a PRO based on SCORAD) was also assessed (n = 10). Nine newer PRO tools (RECAP, ADCT, PSAAD, ADSEQ, CEQ, DFI, CADIS, QoLIAD, PIQoL-AD) appeared in single studies. Adjunctive measures and technological approaches (body-surface area alone, photo guides, AI-assisted analysis, remote assessment) featured in five studies but lack multi-center validation. Conclusions Most diagnostic tools remain validated in lighter-skinned cohorts and underrepresent SOC populations. Patient-reported measures show promise but require wider validation. Adjunctive and technology-driven methods may improve equity but need rigorous testing. Future research should prioritize multiethnic cohorts, age-specific validation, and consensus-driven adaptation of both clinician and patient-reported tools to ensure reliable assessment for all skin types.
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 | 0,035 | 0,177 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,027 | 0,023 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».