Comparative Study between Fat Injection and Platelet Rich Plasma in Post Burn Facial Scar:Clinical and Histological Assessment
Notice bibliographique
Résumé
Background& aim: There is no widely approved treatment procedure for post-burn scars, even though many therapy approaches have been promoted. Many previous studies separately evaluated fat injection and platelet rich plasma in treatment of post-burn scar. This study aimed to compare efficacy of both fat injection and platelet rich plasma in improving outcome of post burn facial scar. Patients& Methods: In the current study a total of 60 patients with post-burn facial scar were enrolled. Those patients were randomly subdivided into either fat injection group (n= 30) or platelet rich plasma group (PRP) (n= 30). Baseline characteristics were recorded in addition to Vancouver score (VS) used to assess the scar and histological evaluation.Results: Most patients were female with no significant differences among both groups regarding different baseline data and scar characteristics. There were no significant differences among the groups regarding baseline vancouver score (VS) and epidermal thickness, but the fat injection group had significantly lower VS (3.67 ± 1.83 vs 3.87 ± 1.33; p < 0.001) and higher epidermal thickness (362.20 ± 92.73 vs. 255.40 ± 90.00 (um); p < 0.001) during follow-up. There were only two (6.7percent) cases in the PRP group & four (13.3%) cases in the fat injection group developed conservatively relieved edema.Conclusion: the autologous fat injection was effective and safe technique in improving the outcome of post-burn facial scar as evaluated by Vancouver score and epidermal thickness. It’s recommended to perform such study on large number of patients in multiple centers with longer duration of follow up to confirm such findings.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».