MétaCan
Menu
Retour à la cohorte
Enregistrement W1805985328 · doi:10.1111/iwj.12122

The cost of wound debridement: a Canadian perspective

2013· article· en· W1805985328 sur OpenAlexaffabout
Kevin Woo, David Keast, Nancy Parsons, R. Gary Sibbald, Nicole Mittmann

Notice bibliographique

RevueInternational Wound Journal · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueWound Healing and Treatments
Établissements canadiensNuclear Waste Management OrganizationOntario Tobacco Research UnitSTART ClinicParkwood InstituteQueen's University
Organismes subventionnairesnon disponible
Mots-clésDebridement (dental)MedicineWound careNecrotic tissueSurgeryBiofilmSurgical debridementSequestrumBacteriaOsteomyelitis

Résumé

récupéré en direct d'OpenAlex

Debridement is integral to wound bed preparation by removing devitalised tissue, foreign material, senescent cells, phenotypically abnormal/dysfunctional cells (cellular burden) and bacteria sequestrum (biofilm). While the body of evidence to substantiate the benefits of debridement is growing, little is known about the cost-effectiveness of each debridement method. The purpose of this analysis was to compare cost-effectiveness of various debridement methods and clinical outcomes to help inform clinicians and policy makers of the cost-effectiveness associated with the various types of therapies and the impact they can have on the Canadian health care system. Results indicated that sharp debridement was the most cost-effective followed by enzymatic debridement method.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,130
Score d'incertitude au seuil0,943

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,008
Études des sciences et des technologies0,0020,001
Communication savante0,0050,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,019
Tête enseignante GPT0,318
Écart entre enseignants0,299 · 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'étudeObservationnel
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

Citations26
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Wound JournalMême sujetWound Healing and TreatmentsTravaux en français237 207