MétaCan
Menu
Retour à la cohorte
Enregistrement W2906691114 · doi:10.2147/ccid.s177622

Early fractional carbon dioxide laser intervention for postsurgical scars in skin of color

2019· article· en· W2906691114 sur OpenAlexaboutno aff
Shady M. Ibrahim, Wael M. Saudi, Mohamed Abozeid, Mohamed L. Elsaie

Notice bibliographique

RevueClinical Cosmetic and Investigational Dermatology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueDermatologic Treatments and Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScarsCarbon dioxide laserCarbon dioxideIntervention (counseling)Skin colorMedicineLaserOpticsSurgeryComputer scienceComputer visionPhysicsChemistry

Résumé

récupéré en direct d'OpenAlex

Background: Fractional CO 2 laser is one of the most effective treatment options used to resurface scars. Objective: To evaluate the efficacy and safety of early treatment of postsurgical scar by fractional ablative CO 2 laser. Methods: A total of 27 Egyptian patients with recent postoperative scars were enrolled in this study. Three sessions of fractional CO 2 laser with a 1-month interval were started 4 weeks after surgery. Vancouver Scar Scale (VSS) was used as an assessment tool at 1 and 3 months after the final treatment. Patients reported their satisfaction using a subjective 4-point scale. Results: Results demonstrated a statistically significant overall average improvement of the VSS (5.33±1.33) before compared with (2.55±1.06) 3 months after the last laser treatment ( P ≤0.001). Among the individual parameters in the VSS, the most significant improvements were found in pigmentation, height, and pliability. Patient’s subjective satisfaction scores showed a significant greater degree of satisfaction after laser treatment. Conclusion: Fractional ablative CO 2 laser is an effective and safe treatment modality for surgical scars in the early postsurgical period. Keywords: scar, fractional, CO 2 laser

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,380
Écart entre enseignants0,334 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Cosmetic and Investigational DermatologyMême sujetDermatologic Treatments and ResearchTravaux en français237 207