MétaCan
Menu
Retour à la cohorte
Enregistrement W3130785559 · doi:10.1016/j.burns.2021.02.014

Split-thickness skin graft donor-site morbidity: A systematic literature review

2021· review· en· W3130785559 sur OpenAlexfundno aff
Malachy Asuku, Tzy‐Chyi Yu, Yan Qi, E. Boing, Helen Hahn, Sara Hovland, Matthias B. Donelan

Notice bibliographique

RevueBurns · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueDermatologic Treatments and Research
Établissements canadiensnon disponible
Organismes subventionnairesMallinckrodt PharmaceuticalsSucampo Pharmaceuticals
Mots-clésMedicineDermatologySurgery

Résumé

récupéré en direct d'OpenAlex

The purpose of this systematic literature review is to critically evaluate split-thickness skin graft (STSG) donor-site morbidities. The search of peer-reviewed articles in three databases from January 2009 to July 2019 identified 4271 English-language publications reporting STSG donor-site clinical outcomes, complications, or quality of life. Of these studies, 77 met inclusion criteria for analysis. Mean time to donor-site epithelialization ranged from 4.7 to 35.0 days. Mean pain scores (0-10 scale) ranged from 1.24 to 6.38 on postoperative Day 3. Mean scar scores (0-13 scale) ranged from 0 to 10.9 at Year 1. One study reported 28% of patients had donor-site scar hypertrophy at 8 years. Infection rates were generally low but ranged from 0 to 56%. Less frequently reported outcomes included pruritus, wound exudation, and esthetic dissatisfaction. Donor-site wounds underwent days of wound care and were frequently associated with pain and scarring. Widespread variations were noted in STSG donor-site outcomes likely due to inconsistencies in the definition of outcomes and utilization of various assessment tools. Understanding the true burden of donor sites may drive innovative treatments that would reduce the use of STSGs and address the associated morbidities.

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)0,006
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,027
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0070,005
Bibliométrie0,0130,012
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,063
Tête enseignante GPT0,395
Écart entre enseignants0,332 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations119
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBurnsMême sujetDermatologic Treatments and ResearchTravaux en français237 207