Autologous Scar-Related Tissue Combined with Skin Grafting for Reconstructing Large Area Burn Scar
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: This study introduced a novel method to reconstruct large areas of scarring caused by burns via combining autologous scar-related tissue with spit-thickness skin grafting (ASTCS). METHODS: 25 patients underwent reconstruction after scar resection surgeries around the joints were analyzed between Jan 2012 and Jan 2018. Patient demographics and clinical parameters were collected, autologous scar-related tissue was modified to meshed structure, and the split-thickness skin was acquired from the scalp. The scar was resected and punched by a meshing machine with a thickness of 0.3-0.5 mm at a ratio of 1:1. The secondary wounds were covered by the epidermis from a donor site. The surgical areas were bandaged for 7-10 days before the first dressing change. RESULTS: 25 patients (mean [SD] age, 26.4 [18.8] years; 16 [64%] men) underwent wounds reconstructive operations due to scar resection were reviewed. Wound location of 9 (22%), 8 (19.5%), 9 (22%), 7 (17.1%) and 8 (19.5%) cases were reconstructed in axillary, hand and wrist, popliteal fossa, elbow and neck, respectively. 39 sites of transplanted tissues survived well, and 2 sites were cured after two weeks of dressing changes. Except the analysis of injury causes, nutritional status, wound area and hospital days, patients with scar deformities in joint areas achieved satisfactory function by assessing the Vancouver Burn Skin Score and the Barthel Index Scale Scores after 12-month follow-up. CONCLUSIONS: Combining autologous scar-related tissue with skin grafting provided a novel method for treating large areas of burn scars with better functional outcomes.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle