MétaCan
Menu
Retour à la cohorte
Enregistrement W2004537585 · doi:10.1111/j.1742-481x.2012.00988.x

Can Single Use Negative Pressure Wound Therapy be an alternative method to manage keloid scarring? A preliminary report of a clinical and ultrasound/colour‐power‐doppler study

2012· article· en· W2004537585 sur OpenAlexaboutno aff
Marco Fraccalvieri, A Sarno, Stefano Gasperini, E. Zingarelli, Raffaella Fava, Marco Salomone, Stefano Bruschi

Notice bibliographique

RevueInternational Wound Journal · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueDermatologic Treatments and Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineKeloidItchingVisual analogue scaleSurgeryPower dopplerWound healingUltrasonography

Résumé

récupéré en direct d'OpenAlex

Keloid scarring represents a pathological healing where primary healing phenomenon is deviated from normal. Pico is a single use negative pressure wound therapy system originally introduced to manage open or just closed wounds. Pico dressing is made of silicone, and distributes an 80 mmHg negative pressure across wound bed. Combination of silicon layer and continuous compression could be a valid method to manage keloid scarring. Since November 2011, three patients were enrolled and evaluated before negative pressure treatment, at end of treatment (1 month) and 2 months later, through Vancouver Scar Scale (VSS), Visual Analog Scale (VAS) and a scoring system for itching. Ultrasound (US) and colour-power-doppler (CPD) examination was performed to evaluate thickness and vascularisation of the scar. One patient was discharged from study after 1 week. In last two patients, VSS, VAS and itching significantly improved after 1 month therapy and the results were stable after 2 months without any therapy. At end of therapy, the 'appearance of palisade vessels' disappeared in both cases at CPD exam; US showed a thickness reduction (average 43·8%). We propose a well-tolerated, non invasive treatment to manage keloid scarring. Prospective studies are necessary to investigate whether these preliminary observations are confirmed.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,650

Scores Codex et Gemma par catégorie

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

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 Opus0,131
Tête enseignante GPT0,464
Écart entre enseignants0,333 · 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 tête enseignante, 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

Citations18
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Wound JournalMême sujetDermatologic Treatments and ResearchTravaux en français237 207