Updating the Burn Center Referral Criteria: Results From the 2018 eDelphi Consensus Study
Notice bibliographique
Résumé
Existing burn center referral criteria were developed several years ago, and subsequent innovations in burn care have occurred. Coupled with frequent errors in the estimation of extent of burn injury and depth by referring providers, patients are both over and under-triaged when the existing criteria are used to support patient care decisions. In the absence of compelling clinical trial data on appropriate burn patient triage, we convened a multidisciplinary panel of experts to execute an iterative eDelphi consensus process to facilitate a revision. The eDelphi process panel consisted of n = 61 burn stakeholders and experts and progressed through four rounds before reaching consensus on key clinical domains. The major findings are that 1) burn center consultation is strongly recommended for all patients with deep partial-thickness or deeper burns ≥ 10% TBSA burned, for full-thickness burns ≥ 5% TBSA burned, for children and older adults with specific dressing and medical needs, and for special burn circumstances including electrical, chemical, and radiation injuries; 2) smaller burns are ideally followed in burn center outpatient settings as soon as possible after injury, preferably without delays of a week or more; 3) frostbite, Stevens-Johnson syndrome/TENS, and necrotizing soft-tissue infection patients benefit from burn center treatment; and 4) telemedicine and technological solutions are of likely benefit in achieving this standard. Unlike the original criteria, the revised consensus-based guidelines create a framework promoting communication so that triage and treatment are specifically tailored to individual patient characteristics, injury severity, geography, and the capabilities of referring institutions.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».