NivobotulinumtoxinA in the Treatment of Lateral Canthal Lines Alone and With Concurrent Treatment of Glabellar Lines
Notice bibliographique
Résumé
BACKGROUND: Botulinum neurotoxins in aesthetic medicine require reconstitution, which may cause administration errors. OBJECTIVE: To evaluate liquid nivobotulinumtoxinA treatment of lateral canthal lines (LCL) and glabellar lines (GL). MATERIALS AND METHODS: Participants with moderate-to-severe LCL with/without moderate-to-severe GL were enrolled in 2 double-blind randomized clinical trials. Study 002 participants received nivobotulinumtoxinA 24 U or placebo for LCL treatment. Study 006 participants received nivobotulinumtoxinA 24 U (LCL), nivobotulinumtoxinA 44 U (LCL+GL), or placebo. Each study allowed up to 2 additional doses. The composite primary end point was the proportion of participants achieving ≥2-grade improvement on the Facial Wrinkle Scale (FWS) by investigator and participant assessment at maximum smile; the coprimary end point was investigator- and participant-assessed FWS "none or mild" rating. RESULTS: At Day 30, significant responder rates versus placebo were observed for LCL in Study 002 (30.3% vs 2.6%, p < .001) and for LCL and LCL+GL in Study 006 (20.6% and 22.8% vs 0%, p < .001) for the composite end point. "None or mild" investigator/participant assessment of LCL (Study 002: 62.7%/56.5%; Study 006: 56.4%/43.6%) and LCL+GL (60.8%/47.3%) were significantly higher versus placebo ( p < .001). Headache was the most common adverse event. CONCLUSION: Liquid nivobotulinumtoxinA was effective and well-tolerated for treating moderate-to-severe LCL with/without GL.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».