MétaCan
Menu
Retour à la cohorte
Enregistrement W1586982677 · doi:10.1111/j.1365-2230.2009.03728.x

Use of a novel autologous cell-harvesting device to promote epithelialization and enhance appropriate pigmentation in scar reconstruction

2009· article· en· W1586982677 sur OpenAlexaboutno aff
Valerio Cervelli, Barbara De Angelis, Diana Spallone, L. Lucarini, A. Arpino, Alberto Balzani

Notice bibliographique

RevueClinical and Experimental Dermatology · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueDermatologic Treatments and Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScarsMedicineSkin graftingSurgeryMuscle contractureBiopsyDermatologyPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Epidermal replacement is an important step in the management of patients with post-traumatic and iatrogenic scars. Skin-colour variation from disease or trauma causes significant changes in self-image and appearance. AIM: The aim of our study was to analyse the results obtained with a novel autologous cell-harvesting system (ReCell) for epidermal replacement in patients with post-traumatic scars that had not improved with any other surgical procedure. METHODS: We recruited 30 patients with post-traumatic or iatrogenic scars admitted to our department over 2 years. The primary endpoints of the study were: (i) time for complete epithelialization (both treated area and biopsy site) and (ii) aesthetic and functional quality of the epitheliaization (colour, joint contractures). Infections, inflammations or any adverse effects of the procedure were also reported. RESULTS: In total, 30 patients were analysed. The aesthetic and functional outcomes were rated by both patient and surgeon. Pigmentation was rated by the Vancouver Scar Scale. Most (80%) of the patients had an excellent or good outcome, with pigmentation rated as normal in 60% of the group. CONCLUSIONS: The procedure is a feasible, simple and safe technique. It gives similar results to skin grafting but because it harvests from much smaller areas, can open possible future applications in the management of patients with large scars.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,083
Tête enseignante GPT0,408
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical and Experimental DermatologyMême sujetDermatologic Treatments and ResearchTravaux en français237 207