Genetic Risk Factors for Hypertrophic Scar Development
Notice bibliographique
Résumé
Hypertrophic scars (HTSs) occur in 30 to 72% patients after thermal injury. Risk factors include skin color, female sex, young age, burn site, and burn severity. Recent correlations between genetic variations and clinical conditions suggest that single-nucleotide polymorphisms (SNPs) may be associated with HTS formation. The authors hypothesized that an SNP in the p27 gene (rs36228499) previously associated with decreased restenosis after coronary stenting would be associated with lower Vancouver Scar Scale (VSS) measurements and decreased itching. Patient and injury characteristics were collected from adults with thermal burns. VSS scores were calculated at 4 to 9 months after injury. Genotyping was performed using real-time polymerase chain reaction. Logistic regression was used to determine risk factors for HTS as measured by a VSS score >7. Three hundred subjects had a median age of 39 years (range, 18-91); 69% were male and median burn size was 7% TBSA (range, 0.25-80). Consistent with literature, the p27 variant SNP had an allele frequency of 40%, but was not associated with reduced HTS formation or lower itch scores in any genetic model. HTS formation was associated with American Indian/Alaskan Native race (odds ratio [OR], 12.2; P = .02), facial burns (OR, 9.4; P = .04), and burn size ≥20% TBSA (OR, 1.99; P = .03). Although the p27 SNP may protect against vascular fibroproliferation, the effect cannot be generalized to cutaneous scars. This study suggests that American Indian/Alaskan Native race, facial burns, and higher %TBSA are independent risk factors for HTS. The American Indian/Alaskan Native association suggests that there are potentially yet-to-be-identified genetic variants.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».