352 Prospective Observational Study Comparing Burn Surgeons’ Estimations and Photo-assisted Methods of Skin Graft Healing
Notice bibliographique
Résumé
Appropriate graft healing after split-thickness skin graft and early recognition of complications (infection, graft loss, shearing) are critical to burn patient management. Whereas prior retrospective studies have indicated good accuracy of providers’ bedside and photo assessments for graft ratios up to 1.5:1, it remains unclear whether larger graft ratios (up to 4:1), or alternative expansion techniques, such as Meek micrografting, influence the accuracy of graft healing assessments. This study evaluates the concordance of bedside and photograph assessments of graft healing among supervising clinicians at a regional burn center. We evaluated three assessment methods for graft epithelialization: 1) clinicians’ bedside rating, 2) clinician assessment of high definition photographs, and 3) Digital image analysis through color subtraction using Photoshop. We compared each method using a mixed-effects model on absolute agreement using intra-class correlation (ICC) and Bland-Altman (BA) plots. We prospectively enrolled 14 adult burn patients with 38 grafted wounds, to obtain 100 separate assessment sites. Bedside assessments had a mean ICC of 0.62 (compared to digital image analysis) and 0.70 (compared to photo assessment), with confidence intervals of +/- 30% healing on BA plots. Inter-rater reliability of photo assessment was excellent (0.94) among 4 clinicians for average measures. Repeated photo-assisted assessments had good to excellent intra-rater reliability (average ICC 0.88 for high definition photo assessment and 0.97 for digital analysis). Clinicians’ bedside assessments of graft epithelialization had high variability, whereas assessments by photographic techniques had excellent concordance. This study suggests that graft healing assessment can be performed reliably by using high-quality photographs. Clinicians’ judgment for graft epithelialization can be supplemented by use of high quality photographs.
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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».