Medical lessons learnt from the US and Canadian experience of treating combat casualties from Afghanistan and Iraq
Notice bibliographique
Résumé
The Winston Churchill Memorial Trust, established in 1965, funds Travelling Fellowships and both authors visited hospitals in Germany, Canada and the USA regarded as centres of excellence with expertise in the early care, reconstruction and rehabilitation of the combat casualties of our NATO Allies, as recipients of these Fellowships. This article presents some of the lessons learnt in the field of musculoskeletal trauma and rehabilitation from the Canadian and US military medical systems. In trauma, there were significant differences in wound debridement policy, use of external fixators for fractures, primary use of circular frames for open tibial fractures and a far more liberal use of bone morphogenetic protein in fracture treatment. Differences in soft tissue reconstruction policy regarding flaps for soft tissue cover over exposed bone, near-universal usage of topical negative pressure dressings and use of Allgöwer-Donati suture pattern to close all wounds were noted. Ertl amputation osteoplasty, a modified form of transtibial amputation, had also been reintroduced. In rehabilitation, the management of heterotopic ossification, in particular with imaging techniques and excision surgery, was identified. For the upper limb, we observed the patient training required to use a myoelectric hand and the future possibility of targeted muscle re-innervation to make controlling these myoelectric prostheses more natural using innate motor patterns. For the lower limb, we found we used identical above knee prostheses. For patients who have had limb reconstruction and have poor function, an energy-storing orthosis was demonstrated to compensate for the loss of range of motion and muscle power.
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 | 0,000 | 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 | 0,001 |
| 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) | 0,003 | 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 ».