O uso de laser diodo de 830nm em cicatrizes pós-cirúrgicas de hérnia inguinal. Um estudo clínico
Bibliographic record
Abstract
Introdução: A Laserterapia de Baixa Intensidade (LTBI) é uma terapia que tem se mostrado eficiente na reparação tecidual em trabalhos com cultura celular e experimentos animais, mas existe uma escassez de trabalhos com cicatrização de incisões pós-cirúrgicas em humanos utilizando laser infravermelho GaAlAs de 830nm. O objetivo desse trabalho foi investigar a eficácia do laser infravermelho GaAlAs de 830nm no processo de cicatrização de incisão póscirúrgica de hérnia inguinal Métodos: 28 pacientes submetidos à cirurgia de hérnia-inguinal foram divididos randomicamente em grupo experimental (G1) e grupo controle (G2). O G1 recebeu tratamento com laser, sendo a primeira aplicação 24hs após a cirurgia e as demais dia sim dia não até um total de 4 aplicações. Ambos os grupos foram reavaliados após 6 meses por meio da Escala de cicatriz de Vancouver (ECV) e Escala visual analógica (EVA) e da espessura da cicatriz. As incisões foram irradiadas com laser diodo, =830 nm, 40 mW de potência de saída, 0,08cm² de diâmetro da ponteira de emissão, 26 segundos, 1,04J de energia por ponto e fluência de 13J/cm². Resultados: O G1 apresentou melhora significativa nas médias (p<0,05) da soma total da VSS 11 G1 2,14(±1,51) e G2 4,85(±1,87), na espessura G1 (0,11) e G2 (0,19) e na elasticidade da cicatriz G1 (0,14) e G2 (1,07). Conclusão: De acordo com os resultados obtidos nesse trabalho o tratamento com laser (830nm), usado na cicatrização de cirurgias de hérnia inguinal conseguiu melhorar a aparência e a qualidade da cicatriz seis meses após a incisão.
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 | 0.001 | 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 | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".