Approche de la dermatite de contact allergique causée par les médicaments topiques
Bibliographic record
Abstract
Objectif Fournir une approche pour déterminer quels sont les ingrédients contenus dans les médicaments topiques qui causent la dermatite de contact allergique (DCA) et reconnaître les scénarios cliniques courants où ces ingrédients pourraient être présents. Sources d’information Revue rétrospective des dossiers de patients ayant subi un test épicutané à la clinique de dermatite de contact de l’Hôpital Saint-Paul à Vancouver, en Colombie-Britannique, entre les mois de novembre 2016 et juin 2019. Ont également été évaluées, les données de 2015 à 2016 du North American Contact Dermatitis Group et celles de 2000 à 2010 de la clinique de test épicutané de l’Hôpital d’Ottawa. Message principal Les antibiotiques topiques sont la cause la plus courante de DCA aux médicaments, et ils causent fréquemment la cosensibilisation à plusieurs allergènes. Cette réaction d’hypersensibilité survient souvent après une intervention chirurgicale, et il faut la différencier de l’infection postopératoire. L’allergie aux corticostéroïdes est facile à manquer, et il faut la soupçonner dans les cas de dermatose sensible aux corticostéroïdes qui s’aggravent malgré le traitement approprié. Les anesthésiques et le propylèneglycol topiques, trouvés dans de nombreux produits d’ordonnance ou en vente libre, sont d’autres causes de DCA. Conclusion La dermatite de contact allergique est facile à manquer et doit toujours être envisagée dans les cas d’éruption eczémateuse. Il est essentiel d’établir l’historique des médicaments, dont tous les produits topiques d’ordonnance ou en vente libre. Le test épicutané contribue à déterminer quels allergènes spécifiques le patient doit éviter.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".