Unlocking Better Keloid Treatment: Corticosteroid, 5‐Fluorouracil, and Hyaluronidase vs. Corticosteroid Alone – A Randomized Comparative Study
Notice bibliographique
Résumé
Background and Aims: Keloids are challenging lesions to manage due to their resistance to treatment and high recurrence rates. This study evaluated the efficacy of an intralesional injection combining triamcinolone acetonide, 5-fluorouracil, and hyaluronidase compared with triamcinolone monotherapy in treating keloids. Methods: This single-blinded clinical trial involved 16 participants, block-randomized into two groups. The intervention group received intralesional injections of triamcinolone acetonide (0.2 cc of 40 mg/cc solution), 5-fluorouracil (0.4 cc of 250 mg/5cc vial), and hyaluronidase (0.2 cc equivalent to 300 IU). The control group received triamcinolone acetonide (0.2 cc of 40 mg/cc solution) with 0.6 cc lidocaine of 2%. Keloid characteristics were assessed before treatment, after three injections at 3-4-week intervals, and 2 months posttreatment. Results: Significant improvements were observed in both groups. However, the intervention group showed greater reductions in lesion height, pliability, and modified Vancouver scar scale scores compared to the control group. No complications resulted from our interventional injection during the study period, while telangiectasia occurred with triamcinolone monotherapy. Conclusion: These findings suggest that triple therapy was as effective as steroid monotherapy, with better outcomes in specific aspects of scar improvement and without side effects. Hyaluronidase could be promising for further research in this area.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».