MétaCan
Menu
Retour à la cohorte
Enregistrement W2198277544 · doi:10.12968/jowc.2015.24.12.600

Intraoperative and delayed wound approximation in closure of skin defects in different areas

2015· article· en· W2198277544 sur OpenAlexaff
Yasser Abdallah Aboelatta, A. Elshahm, Mohamed A. Saleh, Iman Kamel, Hazem M. Aly

Notice bibliographique

RevueJournal of Wound Care · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Sutures and Adhesives
Établissements canadiensSaint John Regional Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineSurgeryScarsWound closureWound dehiscenceWound healingScalpThighChronic woundDehiscence

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Wound approximation device is an interesting reconstructive option but not well popularised. In this study we present a simple device that can be used for immediate or delayed closure of large dermal wounds in different anatomical areas. METHOD: Patients with acute and chronic wounds were recruited and underwent immediate intra-operative wound approximation and/or delayed wound approximation, with a home-made wound approximation device. RESULTS: Approximation time in the immediate closure group ranged from 20-140 minutes. Satisfactory scars were obtained in 19 patients (76%) and adherent scars developed in 6 patients. Delayed wound approximation was used successfully in closure of 9 defects. CONCLUSION: This simple dermal wound approximation device can be used intraoperatively to successfully close large difficult wounds, located on the trunk and thigh, with minimal complications. The device can also be used to approximate delayed wounds located in regions where closure is particularly problematic, like the lower leg, foot, and scalp. Some modifications of the device are needed to improve its safety and efficacy. Wound tension is detrimental to adequate wound healing and tensile strength, another basic principle that should not be overlooked to avoid wound dehiscence. Wound approximation is adding to reconstructive options, not replacing them, and they must always be considered.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,273
Écart entre enseignants0,256 · 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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Wound CareMême sujetSurgical Sutures and AdhesivesTravaux en français237 207