Ablative fractional resurfacing with laser‐facilitated steroid delivery for burn scar management: Does the depth of laser penetration matter?
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: -AFL) penetration of pathological burn scars influences clinical outcomes. STUDY DESIGN/MATERIALS AND METHODS: -AFL settings (energy which correlates to penetration depths) on different outcome parameters was analysed. Patients were divided into five groups depending on minimal scar penetration depth. RESULTS: Seventy-eight patients (158 scars) had complete data allowing for analysis. Median scar thickness was 3,400 μm and median laser scar penetration depth was 900 μm. Scar penetration categories were as follows: 0-25% (n = 40), 25-50% (n = 67), 50-75% (n = 31), 75-100% (n = 8), >100% (n = 3) of scar thickness. The median reduction in maximum scar thickness was 800 μm following one treatment (P < 0.001). However, this effect depended on scar penetration depth, whereby scars that were penetrated ≥75% showed no significant improvement in scar thickness and those penetrated >100% indicated a tendency to become worse. Other assessed outcome parameters included: the Vancouver Scar Scale, the Patient and Observer Scar Assessment Scale, a neuropathic pain score (DN4 Pain Questionnaire), and a pruritus score (modified D4 Pruritus Score). All these factors showed significant improvement in the categories up to 75% scar penetration depth. CONCLUSIONS: -AFL scar penetration depth significantly influences subjective and objective pathologic burn scar modulation. The penetration depth of 51-75% achieves the greatest reduction in scar thickness. Lasers Surg. Med. © 2019 Wiley Periodicals, Inc.
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) | 0,000 | 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 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 ».