Frostbite in the Pediatric Population
Notice bibliographique
Résumé
INTRODUCTION: Frostbite in the pediatric population, where skeletal maturity has not been achieved, can have important repercussions on subsequent growth. Yet, the optimal management of frostbite injuries in children remains vague. This review aims to summarize the current evidence for frostbite management in children and understand Canadian practice trends on this topic. METHODS: A review using Medline, Scopus, Web of Science, and gray literature was performed to identify relevant literature on the clinical manifestations, diagnostic methods, and treatment options in pediatric frostbite. An online survey was sent to plastic surgeons through the Canadian Society of Plastic Surgeons (CSPS) mailing list to further identify national practices and trends for pediatric frostbite management. RESULTS: A total of 109 articles were reviewed. No article provided a specific algorithm for pediatric frostbite, with existing recommendations suggesting the use of adult guidelines for treating children. Our survey yielded 9 responses and highlighted the rarity of pediatric frostbite cases, with no responder treating more than 10 cases per year. Most (55.6%) do not use a pediatric-specific treatment algorithm, whereas 30% apply adult guidelines. A conservative approach focusing on rewarming (55.6%), limb elevation (50%), and tetanus status verification (66.7%) was predominant. Imaging and surgical interventions seem to be reserved for severe cases. CONCLUSIONS: The current literature for pediatric frostbite management lacks specificity. Canadian practices vary, with a trend toward a conservative approach. The limited evidence and rarity of experience highlight the need for further research, ideally in a collaborative multicentric manner, to create a consensus for pediatric frostbite care.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 ».