MétaCan
Menu
Retour à la cohorte
Enregistrement W3160741936 · doi:10.1097/01.asw.0000749732.09228.a9

Subjective Tools for Burn Scar Assessment: An Integrative Review

2021· review· en· W3160741936 sur OpenAlexaboutno aff
P Costa, Maria Elena Echevarría-Guanilo, Natália Gonçalves, Juliana Balbinot Reis Girondi, Adriana da Costa Gonçalves

Notice bibliographique

RevueAdvances in Skin & Wound Care · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueDermatologic Treatments and Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineCINAHLData extractionScopusScale (ratio)MEDLINEBrazilian PortuguesePortugueseInclusion and exclusion criteriaPathologyAlternative medicineNursingPsychological intervention

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To review the clinical and scientific literature on the subjective ways of assessing burn scars and describe their main characteristics. DATA SOURCES: The Latin American, Caribbean Health Sciences Literature, Nursing Database, PubMed, CINAHL, and Scopus and Web of Science databases were used to search for studies published between 2014 and 2018 using descriptors in Portuguese, Spanish, and English. STUDY SELECTION: After establishing the research question and the location and definition of the studies, as well as accounting for differences among databases and application of filters based on inclusion and exclusion criteria, 886 references remained. DATA EXTRACTION: Investigators reviewed the titles and abstracts of the sample and selected 188 relevant studies for full review. DATA SYNTHESIS: Twenty-six subjective forms of assessment were found; most research concerned the Patient and Observer Scar Assessment Scale and the Vancouver Scar Scale. CONCLUSIONS: The Patient and Observer Scar Assessment Scale and the Vancouver Scar Scale are the most common scales for assessing burn scars and have similar evaluation points such as vascularization, pliability, pigmentation, and height, which are the main parameters that contribute to the general assessment and severity of a scar. There is a need to improve instructions for application of the scales to facilitate better understanding and improve agreement among evaluators.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,931
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,060
Tête enseignante GPT0,497
Écart entre enseignants0,437 · 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'étudeAutre devis
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

Citations15
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Skin & Wound CareMême sujetDermatologic Treatments and ResearchTravaux en français237 207