Comparison of Intralesional Triamcinolone and Intralesional Verapamil in The Treatment of Keloids
Notice bibliographique
Résumé
An imbalance between synthesis and degradation of collagen and the extracellular matrix leads to keloid formation. Inadequately treated keloids lead to significant physical and emotional distress. Objectives: To compare the mean reduction of the Vancouver Scar score in patients with keloids after 3 months of treatment with intralesional triamcinolone versus intralesional verapamil. Methods: This parallel‐group, single‐blind randomized controlled trial was performed at the dermatology department, Nishtar Hospital, Multan, from April 2025 to September 2025. Sixty patients aged 10–50 years with keloids (1–5 cm, duration <5 years, baseline Vancouver score ≥5) were enrolled. Exclusion criteria were pregnant and lactating women, positive family history of keloids, conditions of acromegaly, and congestive heart illnesses. Group A (n=30) received intralesional verapamil monthly, and Group B (n=30) received intralesional triamcinolone acetonide (40 mg) monthly until keloid flattening or for three months. Vancouver scores were assessed at 16 weeks (four weeks post-treatment), and data were analyzed using SPSS version 23.0. Mean ± SD was recorded for quantitative and frequencies and percentages for categorical data. An independent sample t-test was used for numerical comparison at 5% significance level. Results: The mean age was 28.6±7.9 years with 58.3% males. The baseline Vancouver score was 8.7 ± 1.7, improving to 4.9 ± 1.5 after treatment. The triamcinolone group had a lower score (4.0 ± 0.7) and greater reduction (4.6±1.2) than the verapamil group (5.9 ± 1.5; reduction 2.9 ± 0.8; p<0.001). Conclusions: Overall, intralesional triamcinolone acetonide is clearly more effective than verapamil in reducing keloid severity.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».