MétaCan
Menu
Retour à la cohorte
Enregistrement W1952303447 · doi:10.18433/j3tc7v

An Old Drug for a New Application: Potential Benefits of Sildenafil in Wound Healing

2012· review· en· W1952303447 sur OpenAlexvenueno aff
Shadi Farsaie, Hossein Khalili, Iman Karimzadeh, Simin Dashti‐Khavidaki

Notice bibliographique

RevueJournal of Pharmacy & Pharmaceutical Sciences · 2012
Typereview
Langueen
DomaineMedicine
ThématiqueSexual function and dysfunction studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSildenafilMedicineWound healingClinical trialMEDLINEAnimal studiesSurgeryDermatologyIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Several studies have evaluated the effects of sildenafil on the tissue repair and wound healing. In the present review, the impact of sildenafil on the wound healing in all available clinical and non-clinical (experimental) studies has been discussed. METHODS: A literature search was performed using PubMed, Scopus, Medline, Embase, Cochrane central register of controlled trials and Cochrane database systematic reviews. Related articles indexed in Google Scholar were also included. Key words used as search terms were 'phosphodiesterase inhibitor', 'sildenafil', 'skin', 'cutaneous', 'skin lesion', 'skin damage', 'wound', and 'wound healing'. No time limitation was considered in this review. RESULTS: A total of 15 animal studies, 7 case reports, and 2 small clinical studies have reported the effects of sildenafil on the wound healing. The effects included skin flaps and grafts, anastomosis, systemic sclerosis and Raynaud's disease. CONCLUSIONS: The available data support the beneficial effects of sildenafil in improvement of tissue healing in various conditions. This article is open to POST-PUBLICATION REVIEW. Registered readers (see "For Readers") may comment by clicking on ABSTRACT on the issue's contents page.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,263
Tête enseignante GPT0,504
Écart entre enseignants0,241 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Pharmacy & Pharmaceutical SciencesMême sujetSexual function and dysfunction studiesTravaux en français237 207