Factors associated with positive outcomes in 131 patients treated with gauze-based negative pressure wound therapy
Notice bibliographique
Résumé
Negative Pressure Wound Therapy (NPWT) is commonly used in many surgical specialties to improve wound management and healing outcomes. This study reports the ability of gauze-based NPWT to address several treatment goals commonly defined at the onset of therapy. A prospective, multi-center, non-comparative clinical investigation was carried out using gauze-based NPWT in chronic and acute wounds. 131 patients including traumatic, post-surgical and chronic wounds were assessed. Weekly percentage reductions in wound area, depth and volume were 8.3%, 15.8% and 20.5% respectively (p < 0.001). A reduction in exudate level was observed from baseline to treatment discontinuation (p < 0.001). An increase (p = 0.007) in red granulation tissue and a decrease (p < 0.001) in non-viable tissue was observed. Baseline wound characteristics associated with slower rates of progress included chronic wound aetiologies, longer wound duration prior to NPWT and presence of diabetes as a co-morbidity. Important indicators of wounds which had improved sufficiently and no longer required NPWT included reduction in volume and exudate levels. Gauze-based NPWT can be used to address many of the treatment goals commonly defined at the onset of therapy including reduction in wound volume, management of exudate and infection status, and improvement in wound bed quality.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».