Noninvasive Measurement of Edema in Partial Thickness Burn Wounds
Notice bibliographique
Résumé
A lack of noninvasive tools to quantify edema has limited our understanding of burn wound edema pathophysiology in a clinical setting. Near-infrared spectroscopy (NIR) is a new noninvasive tool able to measure water concentration/edema in tissue. The purpose of this study was to determine whether NIR could detect water concentration changes or edema formation in acute partial-thickness burn injuries. Adult burn patients within 72 hours postinjury, thermal etiology, partial-thickness burn depth, and <20% TBSA were included. Burn wounds were stratified into partial-thickness superficial or deep wounds based on histology and wound healing time. NIR devices were used to quantify edema in a burn and respective control sites. The sample population consisted of superficial (n = 12) and deep (n = 5) partial-thickness burn injuries. The patients did not differ with respect to age (40 +/- 15 years), TBSA (5 +/- 4%), and mean time for edema assessment (2 days). Water content increased 15% in burned tissue compared with the respective control regions. There were no differences in water content at the control sites. At 48 hours, deep partial-thickness injuries showed a 23% increase in water content compared with 18% superficial partial-thickness burns. NIR could detect differences in water content or edema formation in partial-thickness burns and unburned healthy regions. NIR holds promise as a noninvasive, portable clinical tool to quantify water content or edema in burn wounds.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».