Trajectories of Survivors and Non-Survivors Post-burn Injury
Notice bibliographique
Résumé
OBJECTIVE: To gain insights into the systemic response after burn injury, we aimed to characterize the phases of inflammatory and metabolic trajectories in survivors and non-survivors. BACKGROUND: Survival after burn injuries has improved over the past few decades. However, a large proportion of the patients do not survive. METHODS: This was a single-center cohort study. We included patients (aged ≥ 18 years) with burn injuries (≥ 10% total body surface area; TBSA) admitted to our provincial burn center. Clinical outcomes, laboratory measures, and inflammatory biomarkers were compared among survivors, early non-survivors (died ≤4 days post-injury), and late non-survivors (died ≥5 days post-injury). RESULTS: We studied 872 patients with a median age of 49 (Interquartile Range, IQR: 35-63) years and a median percent TBSA burn of 19% (IQR: 13-34) TBSA burn for survivors (n=705; 81%), early non-survivors (n=99; 11%), and late non-survivors (n=68; 8%). The median ages were 46 (IQR: 33-59) years for survivors, 62 (IQR: 46-73) years for early non-survivors, and 67 (IQR: 54-76) years for late non-survivors (P<0.0001). The median % TBSA burn was 17 (IQR: 13-26) for survivors, 67 (IQR: 43-88) for early non-survivors, and 27 (IQR: 18-44) for late non-survivors (P<0.0001). Non-survivors exhibited significantly elevated biomarkers compared to survivors, with distinct metabolic and inflammatory profiles, including increased IL-1β, IL-8, TNF-α, and IL-10. Late non-survivors experienced higher complication rates (P<0.01), with significant differences in inflammatory and metabolic responses over time. CONCLUSIONS: Survivors and non-survivors showed distinct post-injury inflammatory and metabolic responses. Identifying the relationship between concomitant immune activation and suppression among survivors and non-survivors may improve patient outcomes by defining and altering inflammatory trajectories. Elucidating the differences in trajectories between early and late non-survivors could allow for the prediction and identification of patients at risk of mortality.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».