MétaCan
Menu
Retour à la cohorte
Enregistrement W2155613786 · doi:10.1097/bcr.0b013e318278906d

Nonsurgical Scar Management of the Face

2013· article· en· W2155613786 sur OpenAlexaboutno aff
Ingrid Parry, Soman Sen, Tina L. Palmieri, David A. Greenhalgh

Notice bibliographique

RevueJournal of Burn Care & Research · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueDermatologic Treatments and Research
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of California, Davis
Mots-clésMedicinePARRYPediatrics

Résumé

récupéré en direct d'OpenAlex

Special emphasis is placed on the clinical management of facial scarring because of the profound physical and psychological impact of facial burns. Noninvasive methods of facial scar management include pressure therapy, silicone, massage, and facial exercises. Early implementation of these scar management techniques after a burn injury is typically accepted as standard burn rehabilitation practice, however, little data exist to support this practice. This study evaluated the timing of common noninvasive scar management interventions after facial skin grafting in children and the impact on outcome, as measured by scar assessment and need for facial reconstructive surgery. A retrospective review of 138 patients who underwent excision and grafting of the face and subsequent noninvasive scar management during a 10-year time frame was conducted. Regression analyses were used to show that earlier application of silicone was significantly related to lower Modified Vancouver Scar Scale scores, specifically in the subscales of vascularity and pigmentation. Early use of pressure therapy and implementation of facial exercises were also related to lower Modified Vancouver Scar Scale vascularity scores. No relationship was found between timing of the interventions and facial reconstructive outcome. Early use of silicone, pressure therapy, and exercise may improve scar outcome and accelerate time to scar maturity.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,543
Score d'incertitude au seuil0,558

Scores Codex et Gemma par catégorie

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

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 Opus0,064
Tête enseignante GPT0,416
Écart entre enseignants0,352 · 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

Citations48
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Burn Care & ResearchMême sujetDermatologic Treatments and ResearchTravaux en français237 207