Healthcare Resource Utilization Associated with Burns and Necrotizing Fasciitis
Notice bibliographique
Résumé
Necrotizing fasciitis (NF) patients are increasingly managed in burn units. Although treated similarly to burns, the healthcare resource utilization (HRU) in NF appears to be greater. Accurate knowledge of the HRU is important to better allocate resources and to compare outcomes between units. The goal of this study is to provide better understanding of the HRU for NF compared with burns. A retrospective chart review of patients ≥18 years admitted to two regional tertiary referral centers with either NF or burns requiring surgery. The authors examined age, sex, %TBSA, geographic region, anatomical location, length of stay (LOS) in hospital, LOS in intensive care unit, number of operative procedures, number of packed red blood cells transfused, amputation, death, and use of free tissue transfer or skin graft. There were 210 NF and 209 burn patients. The NF cohort had a smaller TBSA (3.3 vs 10.0%), longer LOS (20 vs 14 days), and consequently a longer LOS/%TBSA (6.0 vs 1.5 days). This difference persisted after adjusting for age. More of the NF cohort (44.8%) spent ≥1 day in the intensive care unit. The NF cohort also had more procedures (median 2 vs 1), required blood (46.2 vs 16.7%), died in hospital (13.3 vs 4.3%), had an amputation (12.4 vs 4.8%), or required free tissue transfer (7.6 vs 2.9%). This study shows that NF requires substantially more HRU compared with burns. This information is important in recognizing the impact of these patients on burn units and planning for allocation of appropriate resources.
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 | 0,001 | 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 | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».