Kết quả điều trị sẹo lồi bằng tiêm Triamcinolone Acetonide kết hợp Botulinum toxin A trong tổn thương
Bibliographic record
Abstract
Nghiên cứu nhằm đánh giá kết quả điều trị sẹo lồi bằng tiêm Triamcinolone acetonide (TAC) kết hợp Botulinum toxin A (BTA) trong tổn thương. Nghiên cứu thử nghiệm lâm sàng không đối chứng trên 26 bệnh nhân với 49 sẹo lồi. Trước điều trị trung bình độ dày sẹo là 1,86 ± 0,76, độ cứng là 3 ± 0,84 và tổng điểm VSS (Vancouver Scar Score sheet) là 7,53 ± 2,22. Sau điều trị các giá trị tương ứng giảm lần lượt là 0,43 ± 0,65; 0,53 ± 0,65 và 4,29 ± 2,82 (p < 0,05). Điểm trung bình trước điều trị của sắc tố sẹo là 3 ± 0,84 và mạch máu sẹo là 2,02 ± 0,80, sau điều trị tăng lần lượt là 1,02 ± 1,01 và 2,33 ± 0,94 (p < 0,05). Điểm trung bình POSAS (Patient and Observer Scar Assessment Scale) của người quan sát trước điều trị là 31,02 ± 7,40, sau điều tri là 14,29 ± 4,96 (p < 0,05) và của bệnh nhân tự đánh giá tương ứng là 37,45 ± 9,59 và 14,16 ± 4,75 (p < 0,05). Trung bình tỷ lệ cải thiện độ dày sẹo sau điều trị là 79,93% ± 29,65%, trong đó 63,3% sẹo xẹp hoàn toàn. Nghiên cứu của chúng tôi cho thấy điều trị sẹo lồi bằng tiêm kết hợp TAC và BTA có hiệu quả cao: giảm rõ rệt triệu chứng cơ năng và độ dày sẹo, đồng thời có tỷ lệ hài lòng cao của bệnh nhân.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.061 | 0.009 |
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".