Individualized surgical treatment using decellularized fish skin transplantation after enzymatic debridement: A two years retrospective analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Over the past few years, treatment of burn injuries has evolved beyond primary surgical therapy with the development of enzymatic debridement and new types of skin replacement materials by providing complex personalized therapy concepts aimed at preserving and replacing the dermal layer of the skin. The aim of our study was to develop an individualized treatment algorithm for mixed depth burn wound and evaluate the outcomes of individualized combined treatment of mixed depth burn wounds with enzymatic debridement and decellularized fish skin. A total of 18 patients with a mean age of 34.8 years and mean follow-up of 447.6 days were included. The mean total burn surface area was 12.3%. All patients received enzymatic debridement and an average area of 247.2 cm 2 of decellularized fish skin. Days until complete epithelization were 49.4 ± 25.79 days. No patient developed scar contracture or keloid. The Patient and Observer Scar Assessment Scale (POSAS) observer scale showed an overall impression average of 2.2 ± 0.83. The POSAS patient scale showed an overall impression average 2 ± 0.7. The Vancouver Scar Scale showed an average score of 1.89 ± 1.45. In conclusion, combined treatment using enzymatic debridement and decellularized fish skin, polylactide membrane, or split skin grafts allows for a more individualized therapy for mixed depth burn wounds. Fish skin was found to provide a satisfying result in terms of the overall outcome of the developed scar tissue and could lead to a reduction in the area that requires autologous transplantation.
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle