Examining the Association between Immunosuppressants and Wound Healing: A Narrative Review
Notice bibliographique
Résumé
OBJECTIVE: To review how different classes of immunosuppressants affect wound healing. DATA SOURCES: A literature search was conducted in PubMed, Google Scholar, and the University of Calgary Health Sciences Library. STUDY SELECTION: The researchers initially screened article titles using key words such as "immunosuppressive medication," "wound healing," and "immunosuppression." Articles in which the title and/or abstract contained these key words, that addressed wound healing related to immunosuppressant medications, and were published after 2000 were included in the review. When human data were not available for an immunosuppressant (class), animal studies were included. DATA EXTRACTION: The 61 included articles underwent full text review and summarization. DATA SYNTHESIS: All included studies were summarized descriptively including immunosuppressive mechanism of action, study participants or subjects, and evidence of effects on wound healing. CONCLUSIONS: Corticosteroids and mechanistic target of rapamycin inhibitors most consistently demonstrate detrimental effects on wound healing. For other classes of immunosuppressants, evidence is limited with varying effects on wound healing described. Larger, high-quality studies are required to better understand the effects of immunosuppressants, including those with new mechanisms of action, to identify those with the most impact on wound healing.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
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 ».