MétaCan
Menu
Retour à la cohorte
Enregistrement W2778038356 · doi:10.3390/ijms19010057

Novel Application of Cultured Epithelial Autografts (CEA) with Expanded Mesh Skin Grafting Over an Artificial Dermis or Dermal Wound Bed Preparation

2017· article· en· W2778038356 sur OpenAlexaboutno aff
Sadanori Akita, Kenji Hayashida, Hiroshi Yoshimoto, Masaki Fujioka, Chikako Senju, Shin Morooka, Gozo Nishimura, Nobuhiko Mukae, Kazuo Kobayashi, Kuniaki Anraku, Ryuichi Murakami, Akiyoshi Hirano, M Oishi, Shintaro Ikenoya, Nobuyuki Amano, Hiroshi Nakagawa

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueWound Healing and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDermisScarsMedicineTransepidermal water lossGraftingSurgeryWound healingAcellular DermisSkin graftingDermatologyPathologyImplantChemistry

Résumé

récupéré en direct d'OpenAlex

Cultured epithelial autografts (CEA) with highly expanded mesh skin grafts were used for extensive adult burns covering more than 30% of the total body surface area. A prospective study on eight patients assessed subjective and objective findings up to a 12-month follow-up. The results of wound healing for over 1:6 mesh plus CEA, gap 1:6 mesh plus CEA, and 1:3 mesh were compared at 3, 6, and 12 months using extensibility, viscoelasticity, color, and transepidermal water loss by a generalized estimating equation (GEE) or generalized linear mixed model (GLMM). No significant differences were observed among the paired treatments at any time point. At 6 and 12 months, over 1:6 mesh plus CEA achieved significantly better expert evaluation scores by the Vancouver and Manchester Scar Scales (p < 0.01). Extended skin grafting plus CEA minimizes donor resources and the quality of scars is equal or similar to that with conventional low extended mesh slit-thickness skin grafting such as 1:3 mesh. A longitudinal analysis of scars may further clarify the molecular changes of scar formation and pathogenesis.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,135
Score d'incertitude au seuil0,269

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,037
Tête enseignante GPT0,381
Écart entre enseignants0,344 · 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'étudeExpérimental (laboratoire)
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

Citations28
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetWound Healing and TreatmentsTravaux en français237 207