Comparison of Fractional CO <sub>2</sub> Laser, Verapamil, and Triamcinolone for the Treatment of Keloid
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objective: Scar biology is a territory less understood. The search for ideal treatment of keloid continues. The aim of this study was to compare the role of CO 2 laser, triamcinolone (TAC), and verapamil in the treatment of keloid. Approach: A randomized parallel-group study was conducted in which 60 patients were randomly allocated to three groups from May 2017 to April 2018. First group received fractional CO 2 laser therapy, second group received triamcinolone, and third group received intralesional verapamil. Outcomes were evaluated using Vancouver scar scale score at 3 weekly intervals for 6 months. Results: There was a reduction in scar height, vascularity, and pliability in all the three groups. However, pigmentation was not completely resolved by any of the three modalities. The response was fastest in case of triamcinolone followed by verapamil and laser, which was statistically significant. There was reduction in pain and pruritus in all the three groups and lesser injection site pain with verapamil. There was some amount of charring with CO 2 laser. Innovation: Our study provides evidence that TAC has the fastest response in treating keloids when compared to other modalities. Scar pigmentation is the parameter that is not completely resolved by TAC, verapamil, or CO 2 laser. Conclusion: The study revealed that fractional CO 2 laser and verapamil are as efficient as triamcinolone acetonide (TAC) for treating keloids, except it takes longer for laser and verapamil to act compared to TAC. Verapamil can be used as an alternative treatment modality that is cost-effective with minimal 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.
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 | 0,000 | 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) | 0,000 | 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 découle