Treating pain on skin graft donor sites: Review and clinical recommendations
Notice bibliographique
Résumé
Split-thickness skin grafting is the most common reconstructive procedure in managing burn injuries. Harvesting split-thickness skin creates a new partial thickness wound referred to as the donor site. Pain at the donor site is reported to be one of the most distressing symptoms during the early postoperative period. Here, we (a) identify strategies for managing donor site pain, (b) assess the quality of individual studies, and (c) formulate evidence-based recommendations based on the amount and consistency of evidence. Our analysis revealed five distinct approaches to minimize donor site pain. These include: continuous subcutaneous local anesthetic infusion (three studies), subcutaneous anesthetic injection (five studies), topical agents (six studies), nonpharmacological interventions (three studies), and wound dressings (18 studies). Available randomized control trials typically evaluated pain on standardized scales (i.e. Visual Analog Scale, Numerical Rating Scale), and compared the experimental group with standard care. Recommended treatments include: (a) subcutaneous anesthetic injection of adrenaline-lidocaine; (b) ice application; (c) topical agents, such as lidocaine and bupivacaine; and (d) hydrocolloid- and polyurethane-based wound dressings accompanied with fibrin sealant. Methodologically sound randomized control trials examining the efficacy of modified tumescent solution, ropivacaine, plasma therapy, noncontact ultrasound, and morphine gels are lacking and should be a priority for future research.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 ».