Sex- and Age-Related Differences in Post-Burn Pathophysiology
Notice bibliographique
Résumé
OBJECTIVES: Sex and its effects on outcomes after burn are controversially discussed. In particular, the impact of sex on physiologic responses post-burn remains largely unknown. To bridge this knowledge gap, this study aimed to explore outcomes and the underlying pathophysiological responses in males and females across different age groups. DESIGN: Cohort study. SETTING: Tertiary burn center. PATIENTS: Adult burn patients (≥ 18 yr) admitted with an acute burn injury. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: We included all patients (≥ 18 yr) admitted with acute burn injuries between 2006 and 2021. Patients were stratified based on sex assigned at birth and age group: adult (< 60 yr) vs. older adult (≥ 60 yr). Clinical laboratory measures and inflammatory markers were compared throughout hospitalization between male and female burn patients within each age group. Outcomes included 30-day mortality, in-hospital complications, organ biomarkers, and inflammatory cytokine responses. A total of 2321 patients were included. Adult females experienced greater mortality (1% vs. 2%; p < 0.05) and increased skin graft loss (5% vs. 9%; p < 0.05) compared with their male counterparts. Furthermore, among adults, female sex was an independent predictor of mortality in a multivariate model (odds ratio, 3.6; 95% CI, 1.3-9.6; p < 0.05). Adult females showed acute decreases in pro-inflammatory cytokines (interferon-γ, interleukin [IL]-6, IL-1β, tumor necrosis factor-α; p < 0.05). Interestingly, no differences in mortality or complications were observed between older adult males and females. Older adult males and females also showed similar inflammatory responses and limited differences in organ function. CONCLUSIONS: In this large cohort study, we observed that adult females show increased mortality compared with their male counterparts. Differences in inflammatory responses underlie this observation, contributing to the observed poor outcomes. Importantly, sex differences in post-burn responses appear to diminish with age, highlighting the importance of deepening our understanding of the underlying physiologic mechanisms to optimize patient care.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».