MétaCan
Menu
Retour à la cohorte
Enregistrement W4402059888 · doi:10.1177/10806032241273497

Keep Cool but Don’t Freeze: The Influence of William J. Mills Jr. on the Treatment of Frostbite

2024· letter· en· W4402059888 sur OpenAlexafffund
Maryam Gharraei, Ken Zafren, Rodrigo Villar, Gordon G. Giesbrecht

Notice bibliographique

RevueWilderness and Environmental Medicine · 2024
Typeletter
Langueen
DomaineMedicine
ThématiqueBurn Injury Management and Outcomes
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFrostbitePhilosophyMedicineArtSurgery

Résumé

récupéré en direct d'OpenAlex

Dr William J. Mills Jr., an Alaskan orthopedic surgeon, helped establish the current protocols for frostbite treatment and changed a dogma used for more than 140 years that was established by Napoleon's surgeon general of the army, Baron Dominique-Jean Larrey. During Napoleon's 1812 siege of Moscow, Larrey noticed the destructive effects of using open fire heat for warming frozen body parts, so he suggested rubbing snow or immersion in cold water. Dr Mills treated many cold injuries during his medical career. After setting up his medical practice in Anchorage, Alaska, he realized the inefficiency of the established protocols and started researching new treatments for frostbite. Dr Mills followed Meryman's method of rapidly thawing frozen red blood cells in warm water. Mills and his colleagues established a treatment protocol for freezing cold injury that included rapid warming in warm water. These studies resulted in the publication of three key papers in 1960 and 1961. These papers were the first clinical studies that described rapid warming as a treatment. Subsequently, rapid warming, with some variation in water temperatures, has been accepted as the standard of treatment. Due to his outstanding contribution to the treatment of frostbite, he has been referred to as "the nation's leading authority on cold injury." Mills and his colleagues created a new classification system that divided frostbite into two levels, superficial and deep, which was more applicable in clinics than the traditional 4-tier classification. The 2-tier classification is still useful outside of the hospital setting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil0,869

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,231
Écart entre enseignants0,218 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWilderness and Environmental MedicineMême sujetBurn Injury Management and OutcomesTravaux en français237 207