MétaCan
Menu
Retour à la cohorte
Enregistrement W2157699541 · doi:10.1111/j.1742-4801.2004.0009.x

A dressing history

2004· review· en· W2157699541 sur OpenAlexaffabout
Douglas Queen, Heather Orsted, Hiromi Sanada, Geoff Sussman

Notice bibliographique

RevueInternational Wound Journal · 2004
Typereview
Langueen
DomaineMedicine
ThématiqueWound Healing and Treatments
Établissements canadiensTrusted Positioning (Canada)Maple Leaf Medical Clinic
Organismes subventionnairesnon disponible
Mots-clésMedicineWound careProduct (mathematics)New product developmentClinical PracticeMarketingNursingSurgeryBusiness

Résumé

récupéré en direct d'OpenAlex

Over the past 30 years as caregivers, clinicians have been exposed to a plethora of new advanced wound dressings. The moist wound care revolution began in the 1970s with the introduction of film and hydrocolloid dressings, and today these are the traditional types of dressings of the advanced dressing categories. Wound-healing science has progressed significantly over the same period, as a result of intense clinical and scientific research around these product introductions. Today, the clinician understands moist wound healing, occlusion, cost effectiveness, wound bed preparation and MMP activity to name but a few of the many concepts in wound care that have flourished as a result of technology and product advancement. This review article presents a condensed history of dressing development over the past 30 years. However, in addition, such advancement is discussed in respect to its adoption in different parts of the world. The largest single markets of the world are generally the United States of America and Europe; as such, the development of both practice and technology generally begins there. Much has been written about these markets in previous review articles. For the purposes of this review, the development of wound care and the maturing of practice is discussed in respect to Canada, Japan and Australia representing smaller geographical areas where the development has been more recent but nonetheless significant.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0260,018

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 Opus0,131
Tête enseignante GPT0,424
Écart entre enseignants0,293 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations208
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Wound JournalMême sujetWound Healing and TreatmentsTravaux en français237 207