Non-surgical treatments for post-burn scars: A network meta-analysis
Notice bibliographique
Résumé
BACKGROUND AND AIM: Post-burn scarring is a prevalent condition, and the existing non-surgical treatments exhibit varying degrees of efficacy. There is limited evidence available to determine the effective non-surgical treatment for post-burn scars. This study employs a multi-index network meta-analysis to conduct a comprehensive evaluation and comparative ranking of non-surgical treatments for post-burn scars. The aim is to identify the most effective treatment methods, thereby providing a robust, evidence-based foundation to guide clinical decision-making. METHODS: PubMed, Web of Science, Cochrane Library, PEDro, and Embase were systematically searched for eligible randomized controlled trial studies, and the network meta-analysis was performed via a frequentist approach. The primary outcomes assessed were Vancouver Scar Scale score, scar thickness and Visual Analogue Scale score. RESULTS: A total of 17 studies and 1,013 participants were included in this analysis. The treatment ranking revealed that massage therapy demonstrated the most significant efficacy in reducing Vancouver Scar Scale score (surface under the cumulative ranking curve [SUCRA] = 89.0%), CO2 laser therapy exhibited the highest efficacy in decreasing scar thickness (SUCRA = 96.8%), and extracorporeal shock wave therapy + routine treatment showed the most significant efficacy in reducing Visual Analogue Scale score (SUCRA = 58.6%). CONCLUSION: This network meta-analysis illustrates that massage therapy, CO2 laser therapy and extracorporeal shock wave therapy + routine treatment are the most effective non-surgical treatments for reducing Vancouver Scar Scale score, scar thickness and Visual Analogue Scale score for post-burn scars, respectively. However, the findings reflect outcomes at a specific stage of scar maturation. And our conclusions must be interpreted with caution due to the limited number of studies included. In the future, well-designed randomized controlled trials with a large sample size are needed to validate these findings.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,049 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».