5 Trajectories of Survivors versus Non-Survivors Post-Burn Injury
Notice bibliographique
Résumé
Survival post-burn injury has improved over the past few decades. However, there are still a large proportion of patients that do not survive. Survival can be affected by the complexity of the burn injury itself, pre-existing medical conditions, and complications. The purpose of this study was to characterize the phases of inflammatory and metabolic trajectories in survivors and non-survivors. Furthermore, we compared the trajectories for early and late death in non-survivors. We conducted a cohort study in patients (aged ≥ 18 years) with a burn injury admitted to our provincial burn centre. Blood samples, clinical indicators, and metabolic markers were selected based on time post-injury as follows: 0–1, 2–4, 5–10, 11–18, 19–28, ≥ 29 days. The inflammatory profile included IL-1β, interferon-γ, IL-1 receptor antagonist, IL-6, IL-10, IL-8, TNF-α, GM-CSF, and MCP-1. Hypermetabolism was assessed by resting energy expenditure. Clinical outcomes included organ biomarkers, morbidities, and hospital length of stay. Groups were compared using Student’s t-test, Mann-Whitney U, Fisher’s exact, and χ2 test as appropriate; P value of <0.05 considered statistically significant. Multivariable regression was used to model the association between survivors and non-survivors, adjusting for patient and injury characteristics. We studied 1,749 patients, mean age 47 ± 18 years and 33 ± 13% TBSA burn, with 1,623 survivors and 126 non-survivors. Demographics and injury characteristics were significantly different among survivors and non-survivors: mean age was 45 ± 18 versus 62 ± 18 (p<0.0001), proportion of inhalation injury 206 (13%) versus 73 (58%) (p<0.0001), and 11 ± 12% versus 48 ± 30% TBSA burn (p<0.0001) respectively. Of the non-survivors, 73 (58%) of died within the first four days of injury. After adjustment for patient and injury characteristics, organ biomarkers including creatinine, BUN, ALP, ALT, AST, bilirubin, lactate, and pH; and cytokines IL-6, IL-8, IL-10, MCP-1, TNF-α, G-CSF, and MCP-1 were significantly higher in non-survivors (p<0.05). Notably, these differences were further augmented among early and late non-survivors. Survivors and non-survivors express distinct inflammatory and metabolic responses post-injury. Identifying the relationship of concomitant immune activation and suppression among survivors and non-survivors may improve patient outcomes by defining and altering inflammatory trajectories. Elucidating the differences in trajectories among early and late non-survivors could better allow for prediction and identification of patients at risk to die.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».