Kết quả bước đầu điều trị sẹo lồi bằng laser CO2 phối hợp với tiêm botulinum toxin type A nội sẹo
Bibliographic record
Abstract
Mục tiêu: Đánh giá hiệu quả điều trị sẹo lồi bằng laser CO2 phối hợp với tiêm botulinum toxin type A (Botox A) nội sẹo. Đối tượng và phương pháp: Nghiên cứu mô tả can thiệp lâm sàng không nhóm chứng trên 22 bệnh nhân sẹo lồi được điều trị bằng laser CO2 phối hợp với tiêm botox A nội sẹo. Mỗi bệnh nhân được điều trị 3 lần, mỗi lần cách nhau 1 tháng. Kết quả: Sự thay đổi lâm sàng theo điểm Vancouver Scar Scale (VSS) như sau: Tại thời điểm chưa tiêm (T0) điểm sắc tố: 2 ± 0, điểm mạch máu: 2,68 ± 0,477; điểm độ cứng: 3,05 ± 0,844; điểm độ dày: 2,18 ± 0,501. Kết thúc 3 lần điều trị (T3) sau 1 tháng các kết quả tương ứng lần lượt là: 1,41 ± 0,854; 1,73 ± 6,13; 1,73 ± 0,613; 1,41 ± 0,80 (p<0,05). Kết quả chung, tại thời điểm chưa tiêm (T0), theo VSS là 9,91 ± 1,411; sau 3 tháng điều trị (T3) là 6,27 ± 2,292 (p<0,05). Hầu hết bệnh nhân đều hài lòng (36,4%) và rất hài lòng (27,3%) khi được can thiệp bằng phương pháp này. Kết luận: Điều trị bệnh nhân sẹo lồi bằng laser CO2 phối hợp tiêm botox A nội sẹo cho kết quả khả quan, có thể là một giải pháp hiệu quả để điều trị sẹo lồi.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.139 | 0.029 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".