79 One Center’s Experience with the Use of Laser Treatments for Burn Scar
Notice bibliographique
Résumé
The use of lasers to modify burn scars has advanced from a novel technique to a viable strategy. Further, the high cost of ownership of lasers can deter their use. We conducted a review of our experience with light-based treatment of burn scars, including some cases of early treatment (during the acute admission) using rented laser equipment. The routine access to PDL and FXCO2 lasers was initiated in December of 2015 at our burn center. An IRB-approved retrospective review of our clinical experience and program development was conducted. Data collected included demographic data, the Patient Observer Scar Assessment Scale (POSAS), Vancouver scar scale, complications, number of treatments, type of treatment, description of laser treatment, scar location and size, and a cost analysis. Forty- eight patients completed therapy, including four patients treated during the acute admission. Mean age of patients was 44.8 range 17–76. Initial outpatient clinic treatments were restricted to use of the PDL. FXCO2 treatment was combined with other surgical procedures under general anesthesia (n=3) until early 2017 when FXCO2 was offered in the outpatient clinic (n=12). Of the 106 outpatient treatments, there were two cases of blistering (with PDL) and one case of graft loss (PDL). Despite a trend in improvement of the total POSAS score from time 1 to 3 for both the total patient and total observer POSAS score it was not significant (p = 0.59 patient and p =0.09 observer). Patient itch score demonstrated improvement from time 1 to time 3 however it was not significant (p = 0.22). Financial analysis revealed profitability in the use of both FXCO2 and PDL lasers in the clinic. The initiation of a laser program can be accomplished with rental of a laser. Furthermore, it can be done safely both in the inpatient and outpatient setting and can be profitable for a burn center. Our experience indicates that in cases where purchase of a laser poses a prohibitive barrier to offering laser therapy, lase rental may offer a viable alternative.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».