313 Dermatome-Induced Lacerations: Incidence, Management, and Preventive Measures
Notice bibliographique
Résumé
Dermatome-induced lacerations are a known complication; however, there is a paucity of literature discussing the incidence and predisposing factors. The aim of this study was to determine the incidence and risk factors in order to develop a preventive algorithm. An 18-question survey was sent to all U.S. and Canadian burn unit directors. Surgeons were queried about type and location of their practices, average annual caseload of skin graft harvesting, and number of dermatome-induced lacerations. The survey also asked about donor site location, harvesting technique and equipment, laceration severity, and causative factors. An algorithm was developed based on the results and the current manufacturers’ guidelines. Fifty-six responses (42% response rate) were received from the burn unit directors. They reported 133 lacerations over the past 5 years. The overall incidence of dermatome-induced lacerations was 0.1% per year (1.3 per 1,000 cases). The most commonly attributed causes were excessive pressure (25.0%) and patient factors (18.4%). Most lacerations occurred when using air dermatomes (73.0%) with a 4-inch guard (63.5%), 0.010-0.015-inch thickness (78.4%), and 30–45° angulation (47.3%); the most common brand was Zimmer (71.6%). The dermatome was typically set up by a scrub tech/nurse (48.6%), while the skin harvesting was performed by residents (39.2%) or attendings (35.1%). Lacerations typically extended to subcutaneous tissue (70.3%), with no neurovascular injury (86.5%). Our study showed that dermatome-induced lacerations are rare events and that certain factors predispose patients to injury. An algorithm was developed to provide guidance on risk factor identification and the set up and use of dermatomes. This study provides the only evidence on the incidence, etiology and risk factors of dermatome-induced lacerations. The development of an algorithm will help to increase the safety of skin grafting, the most commonly performed procedure in burn surgery.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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 ».