Local and Systemic Treatments for Acute Edema After Burn Injury: A Systematic Review of the Literature
Notice bibliographique
Résumé
Burn injury is a complex trauma that results in local and generalized edema. Edema fluid limits the exchange of vital nutrients in healing the burn wound and will compromise vulnerable tissues. Although the importance of edema control in tissue salvage is recognized, treatments targeted at edema control have not been critically reviewed. Thus, the objective was to assess the evidence for the effectiveness of local and systemic treatments for edema management immediately after burn injury. Searches for randomized controlled trials were conducted of online databases, research and thesis registers, and grey literature repositories. Handsearches included journals, bibliographies, and proceedings. Authors were contacted to clarify and submit extra study details. Eight studies were included. Management of acute major burn resuscitation including colloid increases lung edema (mean difference [MD], 0.04 ml/ml alv vol; 95% confidence interval [CI], 0.03-0.04; P < .00001) and mortality (risk ratio, 3.67; 95% CI, 1.16-11.58; P = .03). Continuous administration of vitamin C in acute burn resuscitation reduces local wound edema (MD, -3.50 ml/g; 95% CI, -4.63 to -2.37; P < .00001) and systemic fluid retention (MD, -8.60 kg; 95% CI, -13.47 to -3.73; P = .0005). Local acute hand burn edema is reduced (MD, -29.00 ml; 95% CI, -53.14 to -4.86; P = .02), and active hand motion increased (MD, 10.00°; 95% CI, 4.58-15.42; P = .0003), using electrical stimulation with usual physiotherapy. Each review outcome was based on a small single-facility study. Thus, future research in intervention for acute burn edema must focus on multicentre trials and validation of outcome measures in the burn population.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».