MétaCan
Menu
Retour à la cohorte
Enregistrement W4405388286 · doi:10.25270/wnds/24125

Efficiency of New Smart Instillation Technology With Negative Pressure Wound Therapy in Managing Complex Chronic and Surgical Wounds: A Case Series

2024· article· en· W4405388286 sur OpenAlexaff
Rosemary H. Hill

Notice bibliographique

RevueWOUNDS A Compendium of Clinical Research and Practice · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical site infection prevention
Établissements canadiensLions Gate Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineNegative-pressure wound therapySurgeryWound healingIntensive care medicinePathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Use of negative pressure wound therapy with instillation and dwell time (NPWTi-d) of a topical wound solution has been limited in some settings due to perceptions of setup complexity. Typically, some guesswork was needed to estimate an adequate volume of solution to instill without causing leaks. A novel smart technology is recently available in certain NPWTi-d systems that automatically estimates and instills a solution volume according to wound dimensions. OBJECTIVE: To report experience with this smart instillation NPWTi-d system technology in managing 4 complex wounds containing large areas of devitalized tissue and/or yellow fibrinous slough. MATERIALS AND METHODS: NPWTi-d was applied via a reticulated open cell foam dressing with through holes (ROCF-CC). The smart instill button was selected to automatically determine a volume of topical solution to instill, followed by a 10-minute dwell time and 2-hour cycle of -125 mm Hg negative pressure. RESULTS: The average NPWTi-d duration was 17.0 days, and no air or solution leaks occurred during therapy. Dressings were changed 3 times per week. All wounds were converted to clean granulating wounds during therapy. CONCLUSION: In this case series, smart technology simplified setup and facilitated regular cleansing and removal of devitalized tissue through the ROCF-CC dressing.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,003
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0070,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,163
Tête enseignante GPT0,499
Écart entre enseignants0,335 · 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'étudeÉtude de cas
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWOUNDS A Compendium of Clinical Research and PracticeMême sujetSurgical site infection preventionTravaux en français237 207