Time to Surgical Closure of Complex Infectious Wounds: A Single-center Retrospective Cohort Study
Notice bibliographique
Résumé
INTRODUCTION: Surgical management of NSTIs can result in complex wounds, and closure of these wounds is often difficult or complicated. Although surgical factors influencing mortality and LOS have been well described, little is known about patient, wound, and surgical factors associated with time to closure. OBJECTIVE: The purpose of this study is to identify patient, wound, and surgical factors that may influence time to closure of NSTIs. MATERIALS AND METHODS: The records of patients who presented to a tertiary care center over an 11-year period (2007-2017) with an NSTI requiring surgical closure were retrospectively reviewed. RESULTS: Forty-seven patients met the inclusion criteria. The average time to closure was 31.1 days, with an average of 4.8 procedures. Most patients were middle aged (mean, 50.3 years; range, 20-81 years), immunocompetent, and nondiabetic upon admission. Closure was achieved mainly with autograft. The percent TBSA was described in 19 cases (40%). There was no association between substance use (alcohol, smoking, or other), anticoagulant medication use, or medical comorbidities and time to closure. On multivariable analysis, flap closure (P =.02) and increased number of surgical procedures (P =.003)-the latter reflecting the need for an increased number of debridements-were associated with increased time to closure. CONCLUSIONS: The data in this study suggest that use of local flaps for wound closure and increased number of surgical procedures (particularly debridements) may be predictors of time to closure in patients with an NSTI.
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 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 | 0,014 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».