La pelade par plaques Partie 1 : pathogenèse, diagnostic et pronostic
Bibliographic record
Abstract
OBJECTIF: Présenter aux médecins de famille des renseignements de base pour faire comprendre l’épidémiologie, la pathogenèse, l’histologie et l’approche clinique au diagnostic de la pelade par plaques. SOURCES DES DONNÉES: Une recension a été effectuée dans PubMed pour trouver des articles pertinents concernant la pathogenèse, le diagnostic et le pronostic de la pelade par plaques. MESSAGE PRINCIPAL: La pelade par plaques est une forme de perte pileuse auto-immune dont la prévalence durant une vie est d’environ 2 %. Des antécédents personnels ou familiaux de troubles auto-immuns concomitants, comme le vitiligo ou une maladie de la thyroïde, peuvent être observés dans un petit sous-groupe de patients. Le diagnostic peut souvent être posé de manière clinique en se fondant sur la perte de cheveux non cicatricielle et circulaire caractéristique, accompagnée de cheveux en « point d’exclamation » en périphérie chez ceux dont le problème en est aux premiers stades. Le diagnostic des cas plus complexes ou des présentations inhabituelles peut être facilité par une biopsie et un examen histologique. Le pronostic varie largement et de mauvais résultats sont associés à une apparition à un âge précoce, une perte importante, la variante ophiasis, des changements aux ongles, des antécédents familiaux ou des troubles auto-immuns concomitants. CONCLUSION: La pelade par plaques est une forme auto-immune de perte de cheveux périodiquement observée en soins primaires. Les médecins de famille sont bien placés pour identifier la pelade par plaques, déterminer la gravité de la maladie et poser le diagnostic différentiel approprié. De plus, ils sont en mesure de renseigner leurs patients à propos de l’évolution clinique de la maladie ainsi que du pronostic général selon le sous-type de patients.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".