MétaCan
Menu
Retour à la cohorte
Enregistrement W2919697517

MICRONEEDLING - A FORM OF COLLAGEN INDUCTION THERAPY - OUR FIRST EXPERIENCES.

2019· article· en· W2919697517 sur OpenAlexaboutno aff
Hubert Šuca, Robert Zajíček, Z Vodsloň

Notice bibliographique

RevuePubMed · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueWound Healing and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineScarsElastinWound healingSurgeryPercutaneousDermatologyPathology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Microneedling (percutaneous collagen induction therapy) is a new promising miniinvasive therapeutic method for the treatment of skin alterations of different aetiology, including burn scars. Since 2016, it is also available at our department. The microtraumatization of scars with the Dermaroller® leads to an activation of the healing cascade, activation of growth factors, which activate cell proliferation in the wound, increased synthesis and deposit of collagen - elastin complex with successive transformation of collagen III to collagen I, to neoangiogenesis and thus to accelerated scar remodelling. MATERIAL AND METHODS: In the pilot study conducted in 2016, the microneedling method with Dermaroller® with 2.5 mm needles was used in six patients (two males, four females; age 25-73 years) with stabilized scars after previous application of split thickness skin graft due to thermal injury. We repeated the microneedling procedure in three intervals approximately 6 to 8 weeks apart, with the use of topical anaesthesia. RESULTS: Preliminary results showed a subjective improvement of the scars. Objective evaluation with the Vancouver Scar Score showed an improvement of an average of two points before and after treatment. CONCLUSION: Our first clinical experience show that microneedling appears to be a suitable microinvasive method for the improvement of scar quality after burn trauma.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,042
Tête enseignante GPT0,267
Écart entre enseignants0,225 · 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'étudeÉtude de cas
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

Citations12
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetWound Healing and TreatmentsTravaux en français237 207