Fractional CO<sub>2</sub> laser treatment of caesarean section scars—A randomized controlled split‐scar trial with long term follow‐up assessment
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Caesarean section (c-section) scars can be pose functional and cosmetic challenges and ablative fractional laser (AFXL) treatment may offer benefit to patients. We evaluated textural and color changes over time in AFXL-treated versus untreated control scars. MATERIALS AND METHODS: A randomized, controlled, intra-individual split-scar trial with three sessions of AFXL-treatments for mature c-section scars. Settings of AFXL were adjusted to each individual scar. End-points were blinded on-site clinical evaluations at 1, 3, and 6 months follow-up (Patient and Observer Scar Assessment Scale [POSAS] and Vancouver Scar Scale [VSS]), blinded photo-evaluations, reflectance measurements, tissue histology, and patients satisfaction. RESULTS: Eleven of 12 patients completed the study. At 1 month follow-up, AFXL-treated scars were significantly improved in pliability (POSAS P = 0.01 VSS P = 0.02) and smoother in surface relief (POSAS P = 0.03) compared to control scars. At 1-3 months, overall scar appearance was dominated by transient erythema and hyperpigmentation, confirmed by reflectance measurements (erythema% and pigmentation% peaked at 1 and 3 month follow-up, respectively). At 6 months follow-up, AFXL-treated scars improved on POSAS-total score though not significantly (P = 0.06). Correspondingly, blinded photo-evaluation found AFXL-treated scars significantly improved compared to controls (VAS P = 0.02). Histology indicated new dermal collagen and elastic fibers on AFXL-treated scars. At 6 months follow-up, a majority of patients (64%) favored subsequent AFXL-treatment of their untreated control scar tissue. CONCLUSIONS: Scar remodeling is initiated 1 month after AFXL treatment, but overall scar improvement is concealed until laser-induced color changes resolve. At 6 months follow-up, the benefit of AFXL treatment on c-section scars emerges. Lasers Surg. Med. 49:189-197, 2017. © 2016 Wiley Periodicals, Inc.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».