MétaCan
Menu
Retour à la cohorte
Enregistrement W2909066026 · doi:10.12968/jowc.2019.28.1.24

Treatment of partial-thickness burns with a tulle-gras dressing and a hydrophilic polyurethane membrane: a comparative study

2019· article· en· W2909066026 sur OpenAlexaboutno aff
Ci̇han Şahi̇n, Pinar Kaplan, Sinan Öztürk, Sule Alpar, Hüseyın Karagöz

Notice bibliographique

RevueJournal of Wound Care · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueWound Healing and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineSignificant differenceWound dressingSurgerySkin thicknessDermatologyInternal medicineComposite material

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The purpose of this revisited study was to compare the clinical efficacy and long-term scar evaluation of a hydrophilic polyurethane membrane (HPM), Omiderm (Omikron Scientific Ltd., Rehovot, Israel) and an antimicrobial tulle-gras dressing (TGD), Bactigras (Smith & Nephew) in the management of partial-thickness burns. METHOD: Patients with partial-thickness burns were enrolled in this prospective study. Burn areas were divided into two areas and both dressings were applied to each field at the same time. Time to full re-epithelialisation and scar evaluation were compared using the Vancouver Scar Scale (VSS). RESULTS: A total of 21 patients, mean age 36.8 years, with 22 burns areas participated. The results showed that there is no statistically significant difference in terms of full epithelialisation time in the application of either dressing (p>0.05). However, with deep dermal burns, the HPM provided slightly faster epithelialisation (p>0.05). A VSS assessment showed no statistically significant difference (p>0.05) between applying either dressing materials. CONCLUSION: This study indicated that both dressings had the same effectiveness in treatment of partial-thickness burn wounds. However, the use of the HPM, especially in deep dermal second-degree burns, should be one of the first-line clinical choices, based on the advantages discerned by this study.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,030
Tête enseignante GPT0,328
Écart entre enseignants0,298 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Wound CareMême sujetWound Healing and TreatmentsTravaux en français237 207