MétaCan
Menu
← Retour à la cohorte
Enregistrement W6893175487 · doi:10.5281/zenodo.15436856

Comparing The Role of Mesenchymal Stem Cell Glue (MSCS) With Platelet Rich Fibrin (PRF) Gel in Treating Abrasions

2024· article· en· W6893175487 sur OpenAlexaboutno aff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueWound Healing and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPlatelet-rich fibrinFibrinMesenchymal stem cellFibrin glueWound healingScarsPlateletElastinStem cell

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction: Abrasions are minor injuries to the body's skin and inner linings that can be seen on any part of the body, but are most commonly found on the forehead, nose tip, cheek, and chin region. Though, facial abrasions are superficial injuries, but it can also lead to unacceptable scars and appearances. Hence, using the autologous medium as a dressing material over these abrasions can substantially reduce the tendency of scar and hyperpigmentation. A blood clot serves as the focal point for healing, with 95% red blood cells and 5% platelets making up a normal blood clot. PRF membranes prevent epithelial cells from migrating away from its surface, stimulate the development of micro vascularization, and protect open wounds. Natural stem cell therapy is the latest advancement in treatment of facial wounds and has shown to increase the level of collagen and elastin in skin and reduce scars. This study aims to compare and evaluate the outcomes of dressing materials over abrasive wounds and their role in soft tissue healing. Purpose: The study aims to evaluate the healing potential of mesenchymal stem cells and platelet rich fibrin in treating skin abrasions. Study Design: A total number of 32 patients requiring intervention in abrasive wounds were randomly divided into two groups: Group A-16 treated with PRF and Group B-16 treated with MSCs. Results: Our study found that both PRF and PRFM induces a dense fibrous matrix and stimulates angiogenesis and epithelialization, leading to the conversion of soluble fibrinogen into insoluble fibrin that polymerizes with thrombin. The PRF membrane consists of a fibrin 3D mesh polymerized structure, platelets, leukocytes, growth factors, and circulating stem cells. Post-operative pain, clinical appearance of wound bed, size of the wound along with H2O2 epithelial test and Vancouver scar scale showed no significant difference (p>0.05). Conclusion: PRF and MSCs have improved soft tissue healing, decreased discomfort, increased wound contraction and epithelization, and decreased scarring of healing wound sites. This is the first time that the efficacy of both dressing materials is compared, but additional clinical studies are needed to compare them. Future studies are needed to better understand the platelet concentrates' capacity for regeneration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,259
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetWound Healing and Treatments→Travaux en français237 207→