MétaCan
Menu
Retour à la cohorte
Enregistrement W4293103351

Scar wars.

2019· article· en· W4293103351 sur OpenAlexaboutno aff
Ernst Lodewicus Möller, R. Martinez, H. Rode, Saleigh Adams

Notice bibliographique

RevuePubMed · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueDermatologic Treatments and Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineDermatology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Burn scars are common in the paediatric population. When involving the face, it diminishes quality of life. Ablative fractional laser (AFL) therapy is becoming the preferred choice for established scars due to its greater potential depth for thermal injury (4 mm), which leads to photothermolysis with subsequent neocollagenesis and collagen fibre realignment and remodelling. Combined with small z-plasties and topical steroids, it has been proven to: flatten and decrease the volume of scars, increase pliability and decrease pruritus and erythema. The purpose of the case series was to determine the clinical significance of a single session of AFL therapy, combined with small z-plasties and topical steroids on facial scars post burn injury. METHOD: Four cases of paediatric facial scarring post burns were selected to undergo a single treatment of AFL therapy, accompanied by small z-plasties and topical steroids. Modified Vancouver Scar Scores (MVSS) pre- and postoperatively at 3 and 6 months were evaluated. RESULTS: Improvement of all components of the MVSS was achieved after 6 months, with major improvement in scar pliability and symptomatology. The mean MVSS improved from 14 (range 12-16) preoperatively to 5 and 5.5 respectively at 3 and 6 months postoperatively. Non-parametric analysis with Friedman Two-Way ANOVA by Rank showed a statistical significance between the pre- and postoperative MVSS (p = 0.024). CONCLUSION: AFL should form an integral part of the burn scar armamentarium.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,265
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,2650,149

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 Opus0,027
Tête enseignante GPT0,262
Écart entre enseignants0,235 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetDermatologic Treatments and ResearchTravaux en français237 207