Integrating Point-of-Care Bacterial Fluorescence Imaging-Guided Care with Continued Wound Measurement for Enhanced Wound Area Reduction Monitoring
Notice bibliographique
Résumé
Aim: This prospective observational study investigated wound area reduction (WAR) outcomes in a complex wound population composed of non-healing acute and chronic wounds. The relationship between bacterial autofluorescence signals and WAR was investigated. Area measurements were collected both manually and digitally, and both methods were compared for accuracy. Methods: Twenty-six participants with 27 wounds of varying etiologies were observed twice weekly for two weeks. Digital wound measurement, wound bacterial status assessment, and targeted debridement were performed through a point-of-care fluorescence imaging device (MolecuLight® i: X, MolecuLight Inc, Toronto, Canada). The wound area reduction (WAR) rate was calculated using baseline and last visit measurements. Statistical analyses, including t-tests, Fisher exact tests, the Wilcoxon signed rank test for method comparison, and ANOVA for bacterial subgroups, were applied as pertinent. Results: The overall average WAR was −3.80 cm2, or a decrease of 46.88% (manual measurement), and −2.62 cm2, or a 46.05% decrease (digital measurement via MolecuLight® device). There were no statistically significant differences between the WAR of acute and chronic wounds (p = 0.7877). A stepwise correlation between the WAR and bacterial status classification per fluorescence findings was observed, where persistent bacteria resulted in worse WAR outcomes. An overestimation of wound area by manual measurement was 23% on average. Conclusion: Fluorescence imaging signals were linked to WAR outcome and could be considered predictive. Wounds exhibiting bacterial loads that persisted at the end of the study period had worse WAR outcomes, while those for which management was able to effectively remove them demonstrated greater WAR. Manual measurement of the wound area consistently overestimated wound size when compared to digital measurement. However, if performed by the same operator, the overestimation was uniform enough that the WAR was calculated to be close to accurate. Notwithstanding, single wound measurements are likely to result in overestimation.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».