039 Determination of Burn Depth using near Infrared Spectroscopy
Notice bibliographique
Résumé
Introduction: Burn depth, based on the hemodynamic alterations that occur following a thermal insult, can be assessed in a rapid, non‐invasive, and nondestructive fashion using near infrared (NIR) spectroscopy. NIR has the capability to determine the difference between superficial and full thickness burn injuries. Methods: Sixteen burn patients admitted to an adult regional burn center were studied and evaluated with the NIR point and imaging devices. Non‐burned skin adjacent to the burn site was used as the control. NIR measurements were compared between superficial (8 wounds), full thickness (8 wounds) burn wounds and control sites. Results: NIR was able to easily detect an increase in oxyhemoglobin (68.3%, p < 0.05), oxygen saturation (4.8%, p < 0.05%) and total hemoglobin (91.3%, p < 0.05) which typically occurs with superficial burn injuries. Full thickness injuries experienced a substantial drop in oxyhemoglobin (88.8%, p < 0.05), oxygen saturation (79.1%, p < 0.05) and total hemoglobin (77.5%, p < 0.05) in comparison to control sites. Conclusions: These results confirm that NIR spectroscopy can successfully distinguish between superficial and full thickness burn injuries. The second phase of this study will involve determining the depth of indeterminant burn wounds and this preliminary data will also be presented. Acknowledgement: National Research Council of Canada
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».