714 Our Experience with Enzymatic Debriding Agent, Anacaulase, for Burn Injuries: A 14 Patient Case Series
Notice bibliographique
Résumé
Abstract Introduction Background: Enzymatic debridement of burn wounds facilitates early removal of eschar. It has shown to improve healing time and decrease need for surgical intervention. We wanted to review our results of use of an enzymatic debriding agent (EDA - Anacaulase) in deep partial and full thickness burns. Methods: Methods We undertook a retrospective review of consecutive 14 adult patients treated with EDA at our Burn Center. These patients received therapy with Anacaulase, a novel enzymatic debriding agent, spanning from the year 2020 to the present day. Burn characteristics, EDA applications details, surgical interventions if any, time of heal, scar assessments were noted. We used Microsoft Excel for a descriptive analysis of the data. We examined continuous variables within specific ranges and provided summaries including median, minimum, maximum values, and percentages. Results: Results Patients demographics and burn injury characteristics are included in table 1. We were able to achieve >95% eschar removal with single application in all 14 patients. 57% patients required subsequent skin grafts. The time to achieve 95% wound closure averaged 35.5 days. Scars improved substantially over the study period, as indicated by mean Vancouver Scar Scale scores of 3.8 to 0.5 at 3 and 12 months, respectively. Only 2 patients required scar release surgery due to contracture. Conclusions Conclusion: Our review highlights potential benefits of early eschar removal with EDA. 47% patients were able to avoid autologous skin graft closure of deep partial and full thickness burn wounds. EDA (Anacaulase) may add value in care of select patients with deep partial and full thickness burn wounds. Applicability of Research to Practice Our review highlights potential benefits of early eschar removal with EDA. EDA (Anacaulase) may add value in care of select patients with deep partial and full thickness burn wounds.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».