MétaCan
Menu
Retour à la cohorte
Enregistrement W4381795058 · doi:10.1093/jbcr/irad045.167

572 Trace Element Supplementation in Burn Patients: A Quality Improvement Project

2023· article· en· W4381795058 sur OpenAlexaff
Alexander Kurjatko, Isaac Weigel, Colette Galet, Justin Suarez, Kelly Cavanaugh, Lucy Wibbenmeyer

Notice bibliographique

RevueJournal of Burn Care & Research · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueBurn Injury Management and Outcomes
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineTotal body surface areaInternal medicinePopulationVitaminSurgery

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Patients with major burns suffer deficiencies in trace elements (TE), which can affect their clinical course. We established a quality improvement (QI) project to supplement TE (multivitamins with TE, vitamin C, and zinc). Herein, we assessed the impact of QI implementation on outcomes. Methods We queried the burn registry for burn patients admitted from 8/1/2019-5/31/2022 who weighed > 40 Kg and stayed >14 days. Demographics; comorbidities; injury, and hospital course information were collected. Post-implementation, TE levels (zinc, copper, and selenium) as well as C reactive protein levels were measured at 2 weeks. Analyses were performed to assess differences between the pre- and post-groups and post-group patients with major burns (≥20%TBSA) and smaller burns (< 20%TBSA). P < 0.05 was considered significant. Results We included 111 patients, 45 in the pre- and 66 in the post-group. Overall, the population was male (79.3%) with a median age of 53 years. Age and sex were not significantly different between the pre- and post-groups. The post-group had higher TBSA (p = 0.005). They were more likely to smoke (p =0.018) and have an alcohol use disorder (p = 0.035). There was no significant difference observed in mortality, complications, or LOS/TBSA (2.1 days [1.2-5.5] vs. 1.7 days [1.2-3.1], p = 0.300) between the groups. Focusing on the post-group, 37 presented with smaller burns and 29 with major burns. Patients with major burns were younger (p =0.003) and healthier than patients with smaller burns. At 14 days, 81.5% and 33.3% of patients with major burns were deficient in zinc and copper, respectively. Zinc (47.6 µg/dL vs.79.2 µg/dL p < 0.001), copper (80.2 µg/dL vs.121.9 µg/dL p < 0.001), and selenium (98.7 µg/L vs.135.5 µg/L, p = 0.003) levels were significantly lower in patients with major burns. C-reactive protein levels were high in both groups but significantly higher in patients with major burns (p < 0.001). Patients with major burns were more likely to have infectious complications (p = 0.004); however their LOS/TBSA was significantly lower than that of patients with smaller burns (1.21 days vs. 2.43 days, p < 0.001). Zinc levels of patients with major burns significantly increased overtime from 47.6 µg/dL at 14 days post-admission to 73.5 µg/dL at 53 ± 16 days (p < 0.01). Conclusions Our data show that TE supplementation was efficient in bringing zinc levels close to the normal range in patients with burns ≥20%TBSA who stayed up to 50 days in hospital. Controlled for TBSA burned, supplementation of TE significantly decreased LOS of patients with major burns compared to patients with smaller burns. Applicability of Research to Practice Further studies are needed to evaluate the correlation between supplementation of TE and improvement of patient LOS.

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)0,014
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,109
Tête enseignante GPT0,480
Écart entre enseignants0,370 · 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'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

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