Clinical Characteristics of Mixed Arteriovenous Leg Ulcers
Notice bibliographique
Résumé
PURPOSE: The purpose of this study was to identify the clinical characteristics of mixed arteriovenous leg ulcers (MLU) that differentiated them from venous leg ulcers (VLU). DESIGN: Secondary analysis of data from larger electronic database. SUBJECTS AND SETTING: The sample comprised 1007 persons with lower extremity ulcers. Two hundred sixty three individuals with MLU were compared to 744 individuals with VLU; their ankle brachial indices were 0.51-0.90 and 0.91-.30 respectively. Subjects were drawn from community care settings from across Canada. METHODS: Data concerning baseline demographic and pertinent clinical characteristics including ulcer history were collected using multiple validated instruments. The Leg Ulcer Assessment Tool was used to collect demographic and pertinent medical history, The Short Form Health Survey 12 and the Euro Wuol 5D (EQ-5D) were used to measure health related quality of life, the numeric pain scales was used to measure character and intensity of pain. Groups were compared using χ or Mann-Whitney U. RESULTS: Individuals with MLU were significantly older, has lower body mass index, a history of smoking, and more comorbid conditions than subjects with VLU. In many cases, clinical presentation was indicative of significant arterial insufficiency including cool extremities, shiny, cracked and inelastic skin, impaired capillary refill, and weak pedal pulses. Ulcer pain was highly prevalent, but overall pain rating was similar between groups. Mixed arteriovenous leg ulcers were associated with lower health related quality of life, greater mobility impairments, and more deficits in self-care and usual activities. CONCLUSION: Greater knowledge and understanding of the distinct characteristics of MLU is critical for appropriate screening, prevention, assessment and management of persons with this form of leg ulcer. Pain and health related quality of life factors are important considerations when evaluating and managing these patients.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 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 ».