The role of human skin allograft in minimising hypertrophic scaring in burn wound healing: A meta-analytical study
Notice bibliographique
Résumé
Hypertrophic scarring is a common and debilitating complication of burn wound healing, often leading to functional impairment and poor cosmetic outcomes. Human skin allografts have been increasingly used as a biological dressing to optimize wound repair and potentially reduce abnormal scar formation. This meta-analytical study aimed to evaluate the effectiveness of human skin allografts in minimizing hypertrophic scarring in burn wound healing compared to conventional treatment methods. A systematic search of PubMed, Scopus, Web of Science, and Cochrane Library databases was conducted for studies published between 2000 and 2023. Sixteen eligible studies involving burn patients treated with human skin allografts versus standard care were included. Data were extracted on scar outcomes, and statistical analysis was performed using a random-effects model. Odds ratios (ORs) with 95% confidence intervals (CIs) were calculated, and heterogeneity was assessed using the I² statistic. Risk of bias was evaluated using Cochrane and Newcastle-Ottawa tools. All 16 studies reported lower rates of hypertrophic scarring in patients treated with allografts. The pooled analysis revealed a significant reduction in scar formation with allografts compared to controls (OR = 0.31, 95% CI: 0.20-0.48, p<0.001). Heterogeneity across studies was minimal (I² ≈ 0%), suggesting consistency of findings. Risk of bias was low to moderate, and no included study reported outcomes favouring control treatment. Human skin allografts significantly reduce the risk of hypertrophic scarring in burn wound healing by providing rapid wound coverage, reducing inflammation, and promoting organized tissue repair. The findings support their broader integration into burn management protocols, although further large-scale randomized controlled trials are recommended to strengthen the evidence base.
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 | 0,018 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,053 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».