Use of a novel chitosan-based dressing on split-thickness skin graft donor sites: a pilot study
Notice bibliographique
Résumé
OBJECTIVE: Split-thickness skin graft (STSG) donor site dressings can play an integral role in reducing donor site morbidity. This study tested a novel, chitosan-based wound dressing, Opticell Ag, as an STSG donor site dressing for wounds <10% total body surface area (TBSA). METHOD: Between January and December 2016, the chitosan-based dressing was placed on participating patients' donor sites immediately following graft harvest and covered with a transparent occlusive dressing. Pain was evaluated on postoperative day one, before dressing change between days 5-7, and before and after dressing removal between days 10-14 using the Visual Analog Scale (VAS). The extent of re-epithelialisation was determined between day 10-14 and at one month, and healing quality was also evaluated at one month post-operatively using the Vancouver Scar Scale (VSS). RESULTS: A total of 19 patients were recruited, of which 16 completed the study. Patients experienced mild-to-moderate pain in their donor sites when the chitosan-based dressing was used. Pain decreased significantly between postoperative day one and days 10-14, as well as between days 5-7 and 10-14. The mean percentage of re-epithelialisation on days 10-14 was 92% and by one month was 99%. The mean VSS at one month was 3.2±1.4. There were no statistically significant differences between patients' re-epithelialisation rates or VSS scores. There were unplanned dressing changes in four patients. No donor site infections or other adverse events were identified. CONCLUSION: The chitosan-based dressing tested in this study is safe, effective, and associated with reasonable pain control and acceptable healing quality. The results suggest that it is a promising STSG donor site dressing.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».