Prevention of Thyroidectomy Scars in Asian Adults With Low-Level Light Therapy
Notice bibliographique
Résumé
BACKGROUND: Abnormal wound-healing after thyroidectomy with a resulting scar is a common dermatologic consultation. Despite many medical and surgical approaches, prevention of postoperative scars is challenging. OBJECTIVE: This study validated the efficacy and safety of low-level light therapy (LLLT) using an 830/590 nm light-emitting diode (LED)-based device for prevention of thyroidectomy scars. METHODS AND MATERIALS: Thirty-five patients with linear surgical suture lines after thyroidectomy were treated with 830/590 nm LED-LLLT. Daily application of 60 J/cm (11 minutes) for 1 week starting on postoperative day 1 was followed by treatment 3 times per week for 3 additional weeks. The control group (n = 15) remained untreated. Scar-prevention effects were evaluated 1 and 3 months after thyroidectomy with colorimetric evaluation using a tristimulus-color analyzer. The Vancouver Scar Scale (VSS) score, global assessment, and a subjective satisfaction score (range: 1-4) were also determined. RESULTS: Lightness (L*) and chrome values (a*) decreased significantly at the 3-month follow-up visit in the treatment group compared with those of controls. The average VSS and GAS scores were lower in the treatment group, whereas the subjective score was not significantly different. CONCLUSION: Light-emitting diode based LLLT treatment suppressed the formation of scars after thyroidectomy and could be safely used without noticeable adverse effects.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».