MétaCan
Menu
Retour à la cohorte
Enregistrement W3173697246 · doi:10.1177/12034754211027515

Laser Resurfacing Monotherapy for the Treatment of Actinic Keratosis

2021· review· en· W3173697246 sur OpenAlexaff
Felicia Tai, Monica Shah, Kucy Pon, Afsáneh Alavi

Notice bibliographique

RevueJournal of Cutaneous Medicine and Surgery · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueNonmelanoma Skin Cancer Studies
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineActinic keratosisAblative caseDermatologyDermisLesionActinic keratosesSurgeryKeratolyticPathologyRadiation therapy

Résumé

récupéré en direct d'OpenAlex

Treating actinic keratosis (AK) and photodamaged skin is critical to reduce the risk of progression to skin cancer. Laser resurfacing for AK treatment is available as either lesion-directed or field therapy. Laser resurfacing removes the superficial epidermis and dermis containing actinic damage, promoting re-epithelialization of healthy skin. Although laser resurfacing has been explored as a modality for AK treatment in the literature, studies summarizing its efficacy in the treatment of AK are lacking. This review summarizes existing research on laser resurfacing as a monotherapy for AK treatment, highlighting the various laser resurfacing modalities available for AK treatment as well as their complications and efficacy in comparison to other therapies. Despite longer healing time, fully ablative laser resurfacing, including carbon dioxide and erbium-doped yttrium aluminum garnet were found to be more effective for AK treatment than fractional ablative techniques. Although some studies suggest laser resurfacing monotherapy as less efficacious than photodynamic therapy, and equally effective to 5-fluorouracil and 30% trichloroacetic acid, clinical trials of larger sample size are required to establish stronger evidence-based conclusions. Moreover, laser resurfacing used as lesion-directed therapy, as opposed to the usual field-therapy, requires further investigation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,976
Score d'incertitude au seuil0,672

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0050,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,136
Tête enseignante GPT0,395
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cutaneous Medicine and SurgeryMême sujetNonmelanoma Skin Cancer StudiesTravaux en français237 207