The Outcome of Early Ablative Fractional Laser Treatment for Thyroidectomy Scars
Notice bibliographique
Résumé
Background and Objectives Ablative fractional laser (AFL) systems are commonly used to treat various scars, and recent research has indicated that early treatment with AFL may have a preventive effect on scars. This study was designed to evaluate the efficacy of early treatment with a 10,600 nm carbon dioxide (CO 2 ) AFL on thyroidectomy scars and compare it to late (conventional) treatment for the same and untreated controls. Study Design/Materials and Methods We performed a prospective, evaluator‐blinded, split‐scar study on fresh thyroidectomy scars between July 2014 and July 2017. Scars were divided into two equal portions. Early AFL treatment had begun 1 month after surgery; five sessions on the right half of the scar was performed at 1‐month intervals. Late AFL treatment followed for 1 month after the final early treatment session on the left half of the scar at the same interval. The scars were evaluated at 6 and 11 months postoperatively using scar analysis scales and patient questionnaires. Results Twenty‐four out of 28 patients completed the study. The mean decrease in Vancouver Scar Scale (VSS) scores was significantly higher for the early treated right halves of the scars both at the 6th month (vs. untreated controls) and at the 11th month (vs. late treated controls). The VSS subset analysis showed that the early treated sides had significantly greater improvement in pliability and height than the control sides at each point of evaluation. Conclusions Early postoperative AFL treatment is safe and effective in improving linear surgical scars, such as thyroidectomy scars, and may be a promising option for scar prevention. Lasers Surg. Med. © 2020 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 | 0,000 | 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 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 ».