OnabotulinumtoxinA and Hyaluronic Acid in Facial Wrinkles and Folds: A Prospective, Open-Label Comparison
Notice bibliographique
Résumé
Background: OnabotulinumtoxinA and hyaluronic acid are effective in improving moderate to severe facial wrinkles and folds, with treatment selection traditionally based upon facial area. Objectives: This prospective, multicenter, open-label, crossover study evaluated physician-rated efficacy and patient-rated outcomes following moderate to severe facial wrinkles and folds treatment with onabotulinumtoxinA and hyaluronic acid. Methods: 152 subjects (25-65 years) were randomized (1:1) to a treatment-sequence of onabotulinumtoxinA/hyaluronic acid or hyaluronic acid/onabotulinumtoxinA, with initial treatment administered on day 1 and 6 additional visits: week 2 (touch-up); week 4 (crossover); week 6 (touch-up); and weeks 8, 12, and 24 (follow-up). Results: Between 92% and 100% of subjects in each treatment-sequence group exhibited at least some improvement from baseline at each study visit in the Physician Aesthetic Improvement Scale and the Objective Observer and Patient Global Assessments of Improvement, with no significant between-sequence differences. Subjects reported looking 3 to 6 years younger at each visit, with significant improvements in glabellar, lateral canthal, and horizontal forehead lines, and nasolabial folds. Treatments were well tolerated. Conclusions: OnabotulinumtoxinA and hyaluronic acid provide clinically meaningful improvements as rated by physicians, objective observers, and subjects, with clinical synergy in aesthetic effects and duration of response regardless of treatment administration order in subjects seeking improvement in moderate to severe facial wrinkles and folds.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».