MétaCan
Menu
Retour à la cohorte
Enregistrement W2390547439

Prevention and treatment of the scar deformity in pediatric deep burn

2015· article· en· W2390547439 sur OpenAlexaboutno aff
LI Yon

Notice bibliographique

RevueJournal of Bengbu Medical College · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueBurn Injury Management and Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineScarsRehabilitationSurgeryDeformityBurn injuryPhysical therapy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Objective:To explore the prevention and treatment methods of the scar deformity in pediatric deep burn. Methods:Forty children with deep burn were divided into the control group( 17 cases) and treatment group( 23 cases). The control group were not treated with early operation,and standard scar rehabilitation and functional exercise after discharge from hospital,the treatment group cases were treated with early escharectomy with dermatoplasty,and continuously standard scar rehabilitation and functional exercise guided by clinicians after discharge from hospital. The scars in two groups were evaluated using Vancouver Scar Scale on the day of discharge and in 1,3,6 and 12 months after discharge from hospital. Results:The Vancouver Scar Scale scores in the color,vascular distribution,thickness and flexibility of scar in treatment group were significantly better than those in control group in different time points after discharge from hospital( P 0. 01). Conclusions:Early operation,continuously standard scar rehabilitation and functional exercise can effectively prevent and reduce the scar deformity and dysfunction in pediatric deep burn.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,175

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,028
Tête enseignante GPT0,300
Écart entre enseignants0,272 · 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 tête enseignante, 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Bengbu Medical CollegeMême sujetBurn Injury Management and OutcomesTravaux en français237 207