MétaCan
Menu
Retour à la cohorte
Enregistrement W3015066448 · doi:10.1097/oi9.0000000000000059

Managing bone loss in open fractures

2020· article· en· W3015066448 sur OpenAlexaff
Andrew Adamczyk, Bradley Meulenkamp, Geoffrey Wilken, Steven Papp

Notice bibliographique

RevueOTA International The Open Access Journal of Orthopaedic Trauma · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueBone fractures and treatments
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMultidisciplinary approachMedicineIntensive care medicineRisk analysis (engineering)Patient careMedical emergencyComputer scienceOperations managementSurgeryEngineeringNursing

Résumé

récupéré en direct d'OpenAlex

Segmental bone loss continues to pose substantial clinical and technical challenges to orthopaedic surgeons. While several surgical options exist for the treatment of these complex patients, there is not a clear consensus or specific guidelines on the optimal management of these injuries as a whole. Many factors must be taken into consideration when planning surgery for these individuals. In order for these techniques to yield optimal results, each injury must be approached in a step-wise and multidisciplinary fashion to ensure that care is taken in bone and wound bed preparation, that soft tissues are healthy and free of contaminants, and that the patient's medical condition has been optimized. Through this article, we will answer relevant questions and discuss common obstacles and challenges encountered with these complex injuries. We will also review the many treatment options available or in development to address this problem.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,390
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0030,001
Intégrité de la recherche0,0000,001
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 Opus0,076
Tête enseignante GPT0,415
Écart entre enseignants0,339 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations36
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOTA International The Open Access Journal of Orthopaedic TraumaMême sujetBone fractures and treatmentsTravaux en français237 207