Fractional Ablative Carbon Dioxide Laser-Assisted Photodynamic Therapy for keloids: Clinical, Histopathological and Immunohistochemical Evaluation
Notice bibliographique
Résumé
Abstract Background Keloids present a therapeutic challenge due to lack of satisfactory treatment and high rate of recurrence. Various treatment modalities exist, including intralesional steroids, photodynamic therapy (PDT), lasers and different combinations have been used to reach better results. Aim To study whether fractional ablative CO2-assisted delivery of Methylene blue-PDT is an effective method of treatment of keloids. Methods twenty patients with untreated keloids have been treated with 3 monthly sessions of fractional CO2 laser and methylene blue PDT. In the first session debulking of the keloid’s height by at least 50% with ablative CO2 was performed. Patients were photographed and assessed before treatment and 2 months after last session, clinically using modified Vancouver Scar Scale (mVSS) & patient and observer scar assessment scale (POSAS), histopathologically by H&E, Masson trichrome and immunohistochemically by TGF-b. Results total score for mVSS dropped from 8.25 ± 2.489 to 6.45 ± 2.8 (p = 0.013) after treatment, with a percentage change of -18.6 ± 39.6. Also, POSAS (observer) decreasaed from 26.90 ± 6.545 to 18.75 ± 8.045 (p = 0.001). POSAS (patient) decreased from 27.40 ± 6.644 to 19.05 ± 7.722 (p = 0.0001) Histopathologically, collagen improved from 3.45 ± 1.05to 2.65 ± 0.875. The TGFb staining increased post treatment but not significantly. Conclusions clinical and histopathological improvement was seen after MB-PDT but further controlled studies are needed to compare its effectiveness with other established modalities. Also compare results of different parameters of fractional CO2-PDT, more treatment sessions and study the long term follow up results.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».