MétaCan
Menu
Retour à la cohorte
Enregistrement W4398182100 · doi:10.2340/jphs.v59.24557

Limited debridement combined with ReCell® Techniques for deep second-degree burns

2024· article· en· W4398182100 sur OpenAlexaboutno aff
Yue Zhang, Kai Guo, Chenyang Tian, Ling Tong, Dahai Hu, Yunchuan Wang

Notice bibliographique

RevueJournal of Plastic Surgery and Hand Surgery · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueWound Healing and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineDebridement (dental)Second-Degree BurnSurgeryDegree (music)Skin transplantationBurn woundWound healing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The purpose of this article is to introduce a method that combines limited debridement and ReCell® autologous cell regeneration techniques for the treatment of deep second-degree burn wounds. METHOD: A total of 20 patients suffered with deep second-degree burns less than 10% of total body surface area (TBSA) who were admitted to our department, from June 2019 to June 2021, participated in this study. These patients first underwent limited debridement with an electric/pneumatic dermatome, followed by the ReCell® technique for secondary wounds. Routine treatment was applied to prevent scarring after the wound healed. Clinical outcomes were scored using the Vancouver Scar Scale (VSS). RESULTS: All wounds of the patients healed completely. One patient developed an infection in the skin graft area and finally recovered by routine dressing changes. The average healing time was 12 days (range: 10-15 days). The new skin in the treated area was soft and matched the colour of the surrounding normal skin and the VSS score ranged from 3~5 for each patient. Of the 20 patients, 19 were very satisfied and 1 was satisfied. CONCLUSIONS: This article reports a useful treatment method that combines electric dermatome-dependent limited debridement and the ReCell® technique for the treatment of deep second-degree burn wounds. It is a feasible and effective strategy that is easy to implement and minimally invasive, and it is associated with a short healing time, mild scar formation and little damage to the donor skin area.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,047
Tête enseignante GPT0,278
Écart entre enseignants0,232 · 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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Plastic Surgery and Hand SurgeryMême sujetWound Healing and TreatmentsTravaux en français237 207