MétaCan
Menu
Retour à la cohorte
Enregistrement W3024974629

Pilot Clinical Evaluation of PoreSkin: A Human Acellular Dermal Matrix in Burn Scars.

2017· article· en· W3024974629 sur OpenAlexaboutno aff
Apichai Angspatt, Tanapron Termwattanaphakdee, Pornprom Muangma, Tanom Bunaprasert

Notice bibliographique

RevuePubMed · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueWound Healing and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineScarsSurgeryHypertrophic scarDermatology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Background: An extensive full-thickness wound need a graft, sometime very large. However, donor sites are often limited. Dermal substitutes are among the tissue-engineered products applied to clinical use. PoreSkin, a human acellular dermal matrix (hADM) manufactured by the Faculty of Medicine, Chulalongkorn University, is the first human dermal substitute developed in Thailand. Objective: Assess the safety and ability in achieving durable and definitively cosmetic coverage using PoreSkin. Material and Method: Eleven hypertrophic burn scars were enrolled in the present study. After scar excision, PoreSkin was placed followed by delayed split-thickness skin graft, three weeks later. The primary outcomes were the engraftment rate of the Poreskin and the skin graft. The secondary outcomes included complications and the final cosmetic appearance. Results: The engraftment rate of PoreSkin was 97.7% at day 21. The engraftment rate of autologous sheet skin graft placed over PoreSkin was 91.8%. Regarding the quality of the scar, using the Vancouver scar scale, it shows a statistically significant improvement (p<0.05). No major complications or rejection were observed. Conclusion: The performance of PoreSkin as a human acellular dermal matrix (hADM) is comparable to other commercial dermal substitutes in term of engraftment rate, complications, and rejection.

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 seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,238
Tête enseignante GPT0,451
Écart entre enseignants0,213 · 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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetWound Healing and TreatmentsTravaux en français237 207