Current Best Evidence for 5 Promising Medications Used for Scar Minimization Therapy
Notice bibliographique
Résumé
Introduction: Wound healing by fibrosis allows for closure of a wound, but leaves behind a permanent scar with physical and psychological effects. The primary aim of this narrative review was to summarize the current status of the evidence supporting the use of oral or topical medications to minimize scarring in humans. Methods: With the help of a health sciences librarian, PubMed, Embase, and Scopus were searched up to March 31, 2023, to investigate potential medications to ameliorate scarring. Based on this search, the medications pirfenidone, losartan, trichostatin A, enalapril, and atorvastatin were identified as 5 therapies with the most research to support their use. Studies discussing noncutaneous scarring (myocardial, intraabdominal, etc) or in animal models were excluded. Results: There is a paucity of quality literature describing the use of oral or topical medications to minimize fibrosis and produce more favorable scarring. Six studies describing the medications listed above all demonstrated an improvement in scarring parameters, most commonly based on the Vancouver Scar Scale. Conclusions: Though preliminary, emerging evidence suggests that therapies already exist with the potential to improve cutaneous scarring. Some of these medications are already ubiquitous, affordable and have a known safety profile. Excitingly, these treatments are either oral or topical, meaning that they are more accessible for patients than some current modalities for scar treatment, including steroid injections or laser therapy. Further larger-scale trials are needed before these treatments can be recommended as a routine part of scar management.
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 | 0,000 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».