MétaCan
Menu
Retour à la cohorte
Enregistrement W2076480039 · doi:10.1016/s1072-7515(03)00646-x

Early results using a dynamic method for delayed primary closure of fasciotomy wounds

2003· article· en· W2076480039 sur OpenAlexaff
Rebecca C. Taylor, Bert J Reitsma, Sue Sarazin, Michael G. Bell

Notice bibliographique

RevueJournal of the American College of Surgeons · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueMuscle and Compartmental Disorders
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineFasciotomyClosure (psychology)SurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Fasciotomy incisions, which are usually performed for compartment syndrome, cannot be closed primarily because of excessive tension across the wound secondary to postischemic swelling of the extremity. Split-thickness skin grafting, the conventional method of fasciotomy closure, is effective but it results in an insensate and cosmetically unappealing wound and is associated with donor site morbidity. Skin has several unique and useful properties that allow for delayed primary closure of wounds despite large tissue defects or significant retraction. These biomechanical properties, which include inherent extensibility and mechanical and biological creep, have been exploited by a variety of techniques for delayed primary closure of fasciotomy wounds. The vessel loop shoelace technique, use of the Sure-Closure skin-stretching device (Comesa), use of a prepositioned cutaneous suture, and several other techniques have shown reasonable wound closure rates and wound cosmesis, but have been criticized because they are expensive, cumbersome to apply and to tighten, or are associated with increased compartment pressures and skin edge necrosis. The following case series presents our results using a new method of dynamic wound closure with a novel device (Canica Design, Inc) applied to six fasciotomy incisions.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,018
Tête enseignante GPT0,308
Écart entre enseignants0,290 · 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'étudeObservationnel
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

Citations50
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American College of SurgeonsMême sujetMuscle and Compartmental DisordersTravaux en français237 207