Effect of Platelet-Rich Plasma Injection in Patients With Atrophic Rhinitis: A Systematic Review
Notice bibliographique
Résumé
BackgroundAtrophic rhinitis (AR) is a chronic condition characterized by mucosal atrophy, crusting, and impaired mucociliary clearance. Current treatments are palliative and do not focus on tissue regeneration. Although platelet-rich plasma (PRP) has gained attention for its regenerative properties, evidence supporting its effectiveness in AR remains limited.ObjectiveTo systematically evaluate the effectiveness and safety of PRP in the treatment of AR, focusing on nasal symptom relief, mucociliary clearance, and tissue repair biomarkers.MethodsA systematic literature search was conducted in PubMed and the Cochrane Library from database inception to September 2024 for randomized clinical trials, prospective trials, and case series evaluating PRP for AR. Study quality was assessed using the Cochrane Risk of Bias tool and Newcastle-Ottawa Scale.ResultsPRP treatment resulted in significant improvements in nasal symptoms, with sino-nasal outcome test scores decreasing from 22.4 to 12.7. Four studies demonstrate enhanced mucociliary clearance, including a reduction in saccharin transit time from 420 s to 220 s in 1 study. Biochemical analyses revealed elevated levels of nitric oxide synthase and arginase, suggesting tissue regeneration. Improvements in anosmia and nasal obstruction symptom scores were also reported. No severe adverse effects were observed.ConclusionWhile PRP shows promise for AR, current evidence is compromised by diagnostic uncertainty, methodological inconsistencies, and potential commercial bias. Significant demographic variations suggest different patient populations were evaluated. Rigorous, independently funded trials with standardized protocols are essential before clinical recommendations.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».