Zusammenhang zwischen atopischer Dermatitis und Schilddrüsenerkrankungen: Eine systematische Übersicht und Metaanalyse
Bibliographic record
Abstract
Zusammenfassung Obwohl atopische Dermatitis (AD) und Schilddrüsenerkrankungen gemeinsame Merkmale einer Immundysregulation aufweisen, wurde der Zusammenhang zwischen diesen Erkrankungen bisher nicht umfassend analysiert. Unser Ziel war es, den Zusammenhang zwischen AD und Schilddrüsenerkrankungen systematisch zu untersuchen. Dazu wurden eine systematische Übersicht und eine Metaanalyse mit Zufallseffektmodell von Beobachtungsstudien durchgeführt. Die Datenbanken MEDLINE, Embase und CENTRAL wurden bis 12. April 2024 auf relevante Studien durchsucht. Das Verzerrungsrisiko wurde anhand der Newcastle‐Ottawa‐Skala bewertet. Es wurde eine Subgruppenanalyse nach Alter durchgeführt. Zwölf Beobachtungsstudien mit 93 547 813 Teilnehmern wurden eingeschlossen. Die Metaanalyse von zehn Fall‐Kontroll‐Studien ergab einen signifikanten Zusammenhang zwischen AD und prävalenten Schilddrüsenerkrankungen ( Odds‐Ratio [OR] 1,48; 95%‐Konfidenzintervall [KI] 1,17–1,88), einschließlich Morbus (M.) Hashimoto (OR 2,13; 95%‐KI 1,33–3,43) und M. Basedow (OR 1,56; 95%‐KI 1,03–2,37). Bei Kindern war der Zusammenhang stärker (OR 1,88; 95%‐KI 1,48–2,37) als bei Erwachsenen (OR 1,34; 95%‐KI 1,00–1,80). In zwei Kohortenstudien wurde nachgewiesen, dass bei AD‐Patienten das Risiko für inzidente Schilddrüsenerkrankungen (Inzidenzrisikoverhältnis 1,13; 95%‐KI 1,05–1,22) und inzidenten M. Hashimoto (Hazard‐Ratio 1,17; 95%‐KI 1,09–1,25) erhöht war. Die Ergebnisse lassen den Schluss zu, dass AD mit Schilddrüsenerkrankungen assoziiert ist. Da dies insbesondere bei pädiatrischen Patienten der Fall ist, sind eine endokrinologische Beratung und frühzeitige Maßnahmen erforderlich, um potentielle Auswirkungen auf Wachstum und kognitive Entwicklung zu minimieren.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.002 |
| Meta-epidemiology (narrow) | 0.003 | 0.003 |
| Meta-epidemiology (broad) | 0.006 | 0.003 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.002 | 0.008 |
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; both teacher heads agree on what is shown here.
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".