Assessment of Hair Density and Sub-epidermal Tissue Thickness in Burn Scars Using High-Definition Ultrasound Imaging
Notice bibliographique
Résumé
Burn scars show significant differences in structure, pigment, and hair density/sparsity from unburned skin, yet no formal documentation of these changes can be found in the literature. Evaluation of these differences is essential to assessing future intervention outcomes. The study was a prospective controlled clinical trial. Included were 19 adult burn survivors (18-63 years old, average age 47; 15 male, 4 female, 14 Caucasian, 2 African American, 1 Hispanic; 11 flame burns, 5 scald burns, 2 grease burns and 1 electrical burn, 2%-60% TBSA) with conspicuous, mature scars. All study subjects had either skin-grafted or nongrafted scars, as well as healthy skin in the same body area, to control for intraindividual variability. All scars were at least 9 months old and at a minimum 2 × 2 cm2 in size. On each individual, at least one nongrafted scar or one grafted scar and healthy skin was imaged with a high-definition ultrasound device (Longport, Inc., Glen Mills, PA, 35MHz probe, 1500 m/s). Vancouver scar scale was assessed. Although scarred skin had significantly fewer follicles than healthy skin in both grafted (P < .0001) and un-grafted sites (P = .0090), there were even significantly fewer follicles in grafted scars than un-grafted scars (P = .0095). In thickness of the sub-epidermal layer, there was no difference between grafted and un-grafted scars (P = .1900). Both kinds of scars had a significantly thicker sub-epidermal layer than healthy skin (P = .0010). Vancouver scar scale was 7.4 for grafted and 4.6 for nongrafted scars with grafted flame burn scars ranging higher than all others (5-11). There was no discomfort during the imaging, and no adverse events occurred during the study period. Our study demonstrates two clear morphologic differences between scars and healthy skin: thickness of the sub-epidermal layer and hair follicle density. Grafted burn scars were shown to contain fewer hair follicles than un-grafted scars.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».