Effect of silicone gel versus Contractubex or corticosteroid phonophoresis for post-burn hypertrophic scars: a single-blind randomized controlled trial
Notice bibliographique
Résumé
Introduction Hypertrophic scars and keloids are physically and mentally disturbing, and can cause pain and itching. Various treatment is utilized to diminish or counteract scarring. The purpose of this study was to compare the effect of silicone gel, Contractubex gel, and corticosteroid phonophoresis for post-burn hypertrophic scars. Methods A prospective, single-blind, randomized, controlled study with pretest-posttest design was performed; 45 patients aged 20–45 years with hypertrophic scars, 2–4 months post thermal burn were involved. They were randomly assigned to 3 groups: group A (15 patients, 8 males and 7 females) received phonophoresis with silicone gel, group B (15 patients, 8 males and 7 females) received phonophoresis with Contractubex gel, and group C (15 patients, 9 males and 6 females) received corticosteroid phonophoresis. All treatment interventions were applied at the frequency of 3 sessions/week for 24 weeks. The participants were recruited from the Kasr El-Ani hospital outpatient clinic to be treated in the outpatient clinic, Faculty of Physical Therapy, Cairo University. Results Outcome measures were taken with the modified Vancouver Scar Scale (VSS) before the treatment, and 12 and 24 weeks after the intervention. The comparison among the 3 groups revealed a highly significant decrease in modified VSS total score in group A compared with group B and group C (<i>p</i> < 0.01), as well as in group B compared with group C (<i>p</i> < 0.001). Conclusions Silicone gel phonophoresis is a more effective method for post-burn hypertrophic scar management than Contractubex gel phonophoresis or corticosteroid phonophoresis.
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) | 0,004 | 0,001 |
| 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 ».