MétaCan
Menu
Retour à la cohorte
Enregistrement W182094836

Probiotics in surgical wound infections: current status.

2004· article· en· W182094836 sur OpenAlexaff
Jeffrey C. Howard, Gregor Reid, Bing Siang Gan

Notice bibliographique

RevuePubMed · 2004
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProbiotics and Fermented Foods
Établissements canadiensHand and Upper Limb ClinicLawson Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésMedicineIntensive care medicineProbioticDiseaseClinical trialSurgical woundInflammatory bowel diseaseSurgeryInternal medicineBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Probiotics--live microorganisms that confer a health benefit when taken in adequate amounts, usually as food supplements--are receiving renewed attention in the medical community. Some have been found to play a role in disease remediation. However, mainstream medicine and science remain divided about the validity of health claims made about them. METHODS: To clarify the potential value of probiotics, we reviewed the scientific data on their role in preventing and treating surgical infections as well as some of our own studies of the effects of certain strains of lactobacilli on surgical implant infections. PRINCIPAL FINDINGS: There is little rigorous evidence that probiotics may be beneficial in the prevention and treatment of wound infections. However, data from 3 clinical trials and from our laboratory indicate that certain strains of probiotic lactobacilli and their byproducts may help reduce infection rates in surgical patients and may ameliorate staphylococcus-related infections of surgical implants. CONCLUSION: Although there is good clinical evidence that certain probiotics may be beneficial in conditions such as diarrheal and inflammatory bowel diseases, more studies are required to apply these concepts to the prevention and treatment of wound and other surgical infections.

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)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,027
Tête enseignante GPT0,222
Écart entre enseignants0,196 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetProbiotics and Fermented FoodsTravaux en français237 207