Clinical Features and Therapeutic Outcomes in Pyoderma Gangrenosum: A Prospective Cohort Study
Notice bibliographique
Résumé
ABSTRACT Background Pyoderma gangrenosum (PG) is a rare neutrophilic dermatosis highly associated with systemic comorbidities. Accurate diagnosis and treatment remain challenging due to its rarity and clinical mimickers. Objectives To evaluate demographic, clinical features and treatment outcomes in patients referred with suspected PG at a tertiary wound care centre. Methods A prospective observational study was conducted of patients referred for suspected PG between April 2021 and June 2023. Demographic, clinical and laboratory data, including biopsies and tissue cultures, were collected. Patients were categorised as having PG vs alternative diagnoses based on diagnostic criteria from Su, Maverakis and the PARACELSUS score. Results Of 60 patients (female, 51.7%; mean [SD] age 52.9 [14.0] years), 44 (73.3%) met at least one published diagnostic criterion for PG. The most common comorbidity was IBD (63.6%), followed by inflammatory arthritis (25.0%) and monoclonal gammopathy of undetermined significance (MGUS) (4.5%). Systemic corticosteroids were used by 40.9% of patients before referral, but steroid‐sparing agents and biologics were the primary treatments after consultation. Biologics and steroid‐sparing agents were associated with significant improvement in disease activity using the PGA score (average score decreased from 2.3 to 1.5, p < 0.005), with 40.9% achieving complete remission. Elevated serum inflammatory markers and faecal calprotectin were observed in PG patients but absent in non‐PG cases. Conclusions These prospective data support previously published rates of association between PG and systemic comorbidities. Steroid‐sparing anti‐neutrophilic and targeted therapies are effective steroid‐sparing strategies in managing PG. Small sample size and referral bias may limit generalisability.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».