MétaCan
Menu
Retour à la cohorte
Enregistrement W4391822176 · doi:10.1177/12034754241227629

Laser Applications in Wound and Scar Management Post-Mohs Micrographic Surgery: A Systematic Review

2024· review· en· W4391822176 sur OpenAlexaff
Michelle Le, Chaocheng Liu, Owen Dan Luo, Delaram Shojaei, Christopher D. Sibley

Notice bibliographique

RevueJournal of Cutaneous Medicine and Surgery · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueDermatologic Treatments and Research
Établissements canadiensMcGill UniversityUniversity of British ColumbiaMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineMohs surgerySurgeryWound healingKeloidMEDLINECochrane LibraryCINAHLDermatologyRandomized controlled trialPsychological intervention

Résumé

récupéré en direct d'OpenAlex

Mohs micrographic surgery (MMS) can lead to complications such as scarring and delayed wound healing, particularly in sensitive areas such as the face, neck, and chest. This study aims to assess the evidence regarding the use of lasers post-MMS for wound healing and scar revision. A comprehensive systematic review of the literature was performed using databases including MEDLINE, PubMed, EMBASE, Web of Science, Cochrane Library, and CINAHL from inception until July 25, 2022. A total of 2147 unique studies were identified, from which 17 were included in the analysis. A total of 17 studies reported applications of lasers with favourable efficacy including wound healing (n = 1), resurfacing of full-thickness skin grafts and split-thickness skin grafts (n = 4), periscar telangiectasias (n = 1), functional scar contractures (n = 2), and scar texture (n = 9). Minimal adverse effects were reported with the use of lasers post-MMS. Overall, the use of lasers post-MMS is a safe and well-tolerated option for scar revision with high patient satisfaction and is less invasive than surgical interventions.

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)0,003
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,0070,008
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,049
Tête enseignante GPT0,366
Écart entre enseignants0,317 · 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'étudeRevue systématique
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

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cutaneous Medicine and SurgeryMême sujetDermatologic Treatments and ResearchTravaux en français237 207