Optimizing Burn Injury Care: A Comparative Network Meta-Analysis of Skin Grafts' Efficacy
Notice bibliographique
Résumé
Burn injuries, causing approximately 180,000 deaths. Skin grafting serves as a cornerstone intervention in burn injury management. This study aimed to evaluate the efficacy of different types of skin grafts in promoting the healing process of burn injuries. The outcomes of the study were the reepithelialization time and repigmentation rate of skin graft. Quality appraisal was done using ROBINS-I and the Newcastle Ottawa Scale, while network and single arm meta-analysis were conducted using R-Studio. A literature search across 6 databases resulted in the selection of 7 articles. Quality assessment categorized 6 studies as low- and 1 as moderate-risk of bias studies. The device facilitated autologous skin cell increase in reepithelialization rate (OR=5.21; 95% CI=0.24-114.41), followed by autologous skin cell and synthetic graft (OR=0.47; 95% CI=0.04-5.98), topical agent (OR=0.30; 95% CI=0.06-1.47), and Xenograft (OR=0.09; 95% CI=0.00-4.89). Furthermore, the single-arm meta-analysis showed an overall repigmentation rate of 61.49%, with xenograft displaying the highest repigmentation rate (87.50%), followed by synthetic graft (70.32%), and autologous skin cell (37.54%). Xenografts have proven effective in promoting burn wound healing. Nevertheless, the outstanding efficacy and minimal repigmentation of device-facilitated autologous skin cell transplantation highlight its potential in clinical practice.
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 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) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,000 | 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 tête enseignante, 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 ».