MétaCan
Menu
Retour à la cohorte
Enregistrement W1999095486 · doi:10.1097/bcr.0000000000000027

Toward Targeted Early Burn Care

2014· article· en· W1999095486 sur OpenAlexaboutno aff
Anne‐Françoise Rousseau, Paul Massion, Alexis Laungani, Jean-Luc Nizet, Pierre Damas, Didier Ledoux

Notice bibliographique

RevueJournal of Burn Care & Research · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueBurn Injury Management and Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineResuscitationRespondentIntensive care medicineIntensive careEmergency medicine

Résumé

récupéré en direct d'OpenAlex

During the year 2011, a survey was performed to describe current practices throughout Europe regarding three critical issues of acute burn care, namely fluid resuscitation, nutrition, and burn wound excision strategy. Thirty-eight questionnaires returned by burn centres from 17 different European countries were analyzed. The survey shows that Parkland remains the most commonly used formula to determine fluid needs in adults. All respondent centers use urine output to guide fluid resuscitation. While early excision of deep burns is the rule among centers, burn depth assessment by laser Doppler imaging is used in only a few centers. Indirect calorimetry and Toronto formula to estimate energy requirements do not have unanimous backing from respondents. Current literature encourages clinicians to move forward targeted and individualized therapies using a bundle of basic and advanced hemodynamic parameters, indirect calorimetry, and laser Doppler imaging. The results of this study suggest that such an approach is not common yet, and reinforce the subsequent need for large clinical trials that would evaluate the impact of such guided therapies to provide recommendations with a significant level of evidence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,550
Score d'incertitude au seuil0,589

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,066
Tête enseignante GPT0,385
Écart entre enseignants0,319 · 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 tête enseignante, 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
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

Citations23
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Burn Care & ResearchMême sujetBurn Injury Management and OutcomesTravaux en français237 207