Effects of Nighttime Noise Reduction by Using Earplugs on the Recovery of Burn Patients after Reconstructive Surgery
Notice bibliographique
Résumé
OBJECTIVE: This study aims to investigate the effects of postoperative noise reduction by using earplugs at night on the healing time and scar quality of burn patients who underwent reconstructive surgery. METHODS: This retrospective cohort study analyzed the clinical data of adult burn patients after they underwent reconstructive surgery at the First Affiliated Hospital of Soochow University from January 2022 to June 2023. The patients were divided into the postoperative noise reduction group (n = 66) and the control group (n = 75) based on whether they received postoperative noise reduction. The control group received standard humanized clinical care, while the postoperative noise reduction group received additional noise-reducing care by using earplugs at night. The effects of postoperative noise reduction on wound healing time, scar quality (Vancouver Scar Scale [VSS]), psychological state (Self-rating Anxiety Scale [SAS] and Self-rating Depression Scale [SDS]), quality of life (Abbreviated Burn Specific Health Scale [BSHS-A]) and incidence of complications were compared between the two groups. RESULTS: Compared with the control group, the postoperative noise reduction group demonstrated significant differences in wound healing time (P < 0.001), VSS scores (P = 0.003), SAS scores (P = 0.005), SDS scores (P = 0.003), and BSHS-A scores (P < 0.05). No significant difference was found in the incidence of complications between the two groups (P > 0.05). CONCLUSION: In conclusion, this study provides substantive evidence that postoperative noise reduction positively influences wound healing time, scar quality, quality of life, and psychological state in burn patients after reconstructive surgery. Such insight emphasized the importance of creating a healing-conducive hospital environment for burn patients, integrating noise reduction strategies as a part of holistic nursing practices to optimize recovery outcomes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».