Basic fibroblast growth factor is beneficial for postoperative color uniformity in split-thickness skin grafting
Notice bibliographique
Résumé
Color changes of visible and exposed body surfaces, such as the face and extremities, after burn injury or surgery, such as skin grafting, flap, or sclerotherapy for vascular malformations, are sometimes a concern. The consequences reduce the satisfaction of both patients and physicians. An easy and reproducible method has not yet been established for an objective analysis of color changes; therefore, we tested a hand-held color analyzer (NF-333; Nippon Denshoku Co. Ltd) with data transport to a computer database and analysis software for posttreatment skin color change. The parameters included L, a, and b, which measure clarity, red, and yellow, respectively. Two groups were prospectively divided with 20 (11 females and nine males) patients per group. One group received skin grafting plus basic fibroblast growth factor (bFGF) spray daily and the other group received only skin grafting. The patients were randomized by the date of their first visit to our hospital. Patients were treated with bFGF on odd days, while patients who came on even days were included in the non-bFGF-treated group. The donor site for skin grafting was the lateral thighs and the thickness was similar in both groups. The results were compared at 1-year posttreatment follow-up. Clinical and objective assessments of the scars were performed 1 to years after complete healing. Color change differentials in comparison with the surrounding skin were lower with bFGF treatment in all parameters (p<0.01), along with clinical assessment with the Vancouver Scar Scale; therefore, the treatment contribute to a better color match with skin grafting postoperatively.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».