Effects of Low-Level Laser Therapy on Pain and Scar Formation After Inguinal Herniation Surgery: A Randomized Controlled Single-Blind Study
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to investigate the efficacy of an infrared GaAlAs laser operating with a wavelength of 830 nm in the postsurgical scarring process after inguinal-hernia surgery. BACKGROUND: Low-level laser therapy (LLLT) has been shown to be beneficial in the tissue-repair process, as previously demonstrated in tissue culture and animal experiments. However, there is lack of studies on the effects of LLLT on postsurgical scarring of incisions in humans using an infrared 830-nm GaAlAs laser. METHOD: Twenty-eight patients who underwent surgery for inguinal hernias were randomly divided into an experimental group (G1) and a control group (G2). G1 received LLLT, with the first application performed 24 h after surgery and then on days 3, 5, and 7. The incisions were irradiated with an 830-nm diode laser operating with a continuous power output of 40 mW, a spot-size aperture of 0.08 cm(2) for 26 s, energy per point of 1.04 J, and an energy density of 13 J/cm(2). Ten points per scar were irradiated. Six months after surgery, both groups were reevaluated using the Vancouver Scar Scale (VSS), the Visual Analog Scale, and measurement of the scar thickness. RESULTS: G1 showed significantly better results in the VSS totals (2.14 +/- 1.51) compared with G2 (4.85 +/- 1.87); in the thickness measurements (0.11 cm) compared with G2 (0.19 cm); and in the malleability (0.14) compared with G2 (1.07). The pain score was also around 50% higher in G2. CONCLUSION: Infra-red LLLT (830 nm) applied after inguinal-hernia surgery was effective in preventing the formation of keloids. In addition, LLLT resulted in better scar appearance and quality 6 mo postsurgery.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,000 |
| 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 ».