The use of autologous platelet-rich plasma gel increases wound healing and reduces scar development in split-thickness skin graft donor sites
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
The treatment of donor sites after split-thickness skin grafting (STSG) is a routine operation step, and complications at the donor site due to improper operation and care are unwelcome. This study evaluates whether the use of platelet-rich plasma (PRP) applied at the STSG area promotes wound healing and improves scar development. Clinical data of 30 patients who underwent STSG operations between January 2016 and January 2017 for various reasons were retrospectively analyzed. These 30 patients received two treatments and the data were summed up in two groups: the PRP group, which was the study group, included patients who received traditional petrolatum gauze dressing with PRP gel at the donor sites. The petrolatum gauze group, which was the control group, received only petrolatum gauze care without PRP gel. The time and frequency of dressing change were comparable between the two groups, and the mean wound healing times in the PRP group and petrolatum gauze group were 13.89 ± 4.65 and 17.73 ± 5.06 days, respectively, and the difference was statistically significant (p < 0.05). In addition, the total Vancouver scar scale (VSS) scores of the PRP group at 4, 12 and 52 weeks were 6.41 ± 0.77, 4.42 ± 0.43 and 2.41 ± 0.39, respectively, which were statistically significantly lower (p < 0.05) than those of the control group at 7.67 ± 0.64, 6.28 ± 0.62 and 4.29 ± 0.64, respectively. The use of PRP gel can promote wound healing, relieve scar development and alleviate pain at the donor site after STSG.
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 | 0,001 | 0,001 |
| 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 découle