MétaCan
Menu
Retour à la cohorte
Enregistrement W4408934580 · doi:10.1097/psn.0000000000000599

Using a Silicone Gel Prosthesis for Burn Scar Camouflage: A Case Report

2025· article· en· W4408934580 sur OpenAlexaboutno aff
T Arif, Ahmed Hagiga, Susan Insole, Baljit Dheansa

Notice bibliographique

RevuePlastic and Aesthetic Nursing · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDermatologic Treatments and Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineProsthesisSurgerySiliconeDebridement (dental)CamouflageHypertrophic scar

Résumé

récupéré en direct d'OpenAlex

The scarring that occurs following a burn injury can have devastating physical and emotional consequences for the patient. Scar revision surgery can be very effective, but when surgical options are exhausted or the patient declines, camouflage is an alternative. A 43-year-old woman with mid-deep dermal flame burns sustained in a house fire in August 2020, comprising 6% total body surface area, underwent chemical debridement followed by allograft application. One month later, the patient underwent surgical debridement with a split-thickness skin graft to an unhealed area on her left posterior shoulder. This procedure was successful, with 100% graft take. During her follow-up visits, she developed hypertrophic scarring in this region, which shifted the focus of her care to scar management. We developed a custom-made silicone gel prosthesis to camouflage the scar, help the patient regain confidence, and also provide therapeutic benefit by sealing in hydration. The prosthesis was matched to the patient's normal skin tone and texture, featuring a soft and flexible outer surface with a smooth inner surface for adherence. The patient found the prosthesis easy to apply and inconspicuous, yet effective at concealing the scarred area. The prosthesis also offered protection from external sources of irritation. Both the Patient and Observer Scar Assessment Scale and the Modified Vancouver Scar Scale showed marked improvement when the prosthesis was used.

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)0,003
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 enseignants0,008
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,002
Études des sciences et des technologies0,0040,002
Communication savante0,0020,003
Science ouverte0,0020,002
Intégrité de la recherche0,0080,004
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 Opus0,043
Tête enseignante GPT0,379
Écart entre enseignants0,336 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlastic and Aesthetic NursingMême sujetDermatologic Treatments and ResearchTravaux en français237 207