MétaCan
Menu
Retour à la cohorte
Enregistrement W4378781762 · doi:10.1093/jbcr/irad078

Serial Casting as an Effective Method for Burn Scar Contracture Rehabilitation: A Case Series

2023· article· en· W4378781762 sur OpenAlexaffabout
Stephanie Schetzsle, Weber Wei Chiang Lin, Prabhu Purushothaman, Jie Ding, Peter Kwan, Edward E. Tredget

Notice bibliographique

RevueJournal of Burn Care & Research · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueBurn Injury Management and Outcomes
Établissements canadiensUniversity of AlbertaUniversity of Alberta HospitalAlberta Hospital Edmonton
Organismes subventionnairesnon disponible
Mots-clésMedicineContractureCastingRehabilitationBurn injuryRange of motionScarsSurgeryPhysical therapyMaterials science

Résumé

récupéré en direct d'OpenAlex

Guidelines and protocols for orthoses in burn scar contracture rehabilitation are limited. The current study aims to determine the optimal frequency of casting, potentially facilitating the development of a serial casting protocol. Previous literature supporting casting has low generalizability due to methodology limitations. Seven patients with burn scar contracted joints, who did not respond to traditional therapy, were recruited in this study. Patients were serially casted once, three times, or five times a week. Joint range of motion was maximized with stretching and exercise techniques before every new cast application. Across all patients, active range of motion increased from 65.8 ± 27.8° to 108.1 ± 23.3° with casting; or from 57.8 ± 16.2% to 96.7 ± 2.9% of normal. Similarly, scars improved from 9.5 ± 1.5 to 4.9 ± 1.4 on the Modified Vancouver Scar Scale score. This therapeutic effect was achieved within an average of 8.5 ± 3.7 d and 4.0 ± 2.2 new cast applications. Given the study findings, the procedures outlined could be used to develop a standardized serial casting protocol for burn scar contracture rehabilitation.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,055
Tête enseignante GPT0,470
Écart entre enseignants0,415 · 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'étudeÉtude de cas
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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Burn Care & ResearchMême sujetBurn Injury Management and OutcomesTravaux en français237 207