Validation of Fespixon in Postoperative Scar Cosmesis Using Quantitative Digital Photography Analysis
Notice bibliographique
Résumé
BACKGROUND: Unsightly scarring after surgery remains a dilemma. One of the challenges is the lack of objective scar assessment tools. OBJECTIVES: This study aimed to evaluate the efficacy of a novel medicine, Fespixon, for prevention and/or alleviation of post-skin incision scarring. A second aim was to demonstrate the practicality of our digital image analysis system to see if this could serve as a sensitive tool to assess scar improvement. METHODS: A prospective, placebo-controlled trial involving patients with postoperative transverse scars was conducted. Each patient received a topical formulation of Fespixon on the left part of the scar and placebo cream on the right. In addition to recording the subjective modified Vancouver Scar Scale and visual analog scale scores, we utilized digital photography for monthly scar analysis, with CIELAB and hue serving as the colorimetric information, and with contrast, correlation, homogeneity, and entropy providing texture information. RESULTS: Forty-six participants (mean age, 52 years) were enrolled in the trial. All the parameters of subjective assessment showed superior results for the Fespixon-treated side, with significant differences in pigmentation, vascularity, pliability, height, itchiness, and patient satisfaction (P = .043, .013, .026, .002, .039, .012, respectively). The trends in color and texture showed increased relative difference ratios, with significant differences in most of the eigenvalues towards the Fespixon-treated side, including CIELAB-L* (P = .000), hue-R,G,B (red, blue, green) values (P = .034, .001, .011), contrast (P = .000), homogeneity (P = .000), correlation (P = .011), and entropy (P = .000). CONCLUSIONS: We validated the efficacy of Fespixon for postoperative scar healing based not only on subjective assessments but also on objective quantitative analyses. The results also indicated that our digital photography quantitative analysis system is an ideal tool for quantification of scar appearance.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| 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 ».