Clinical effectiveness of double-layer artificial dermis transplantation repairing hand wounds with limited bone and tendon exposure
Notice bibliographique
Résumé
Objective: Our objective was to investigate the clinical efficacy of double-layer artificial dermis transplantation in repairing hand wounds with limited bone and tendon exposure. Methods: This study involved 46 patients with limited bone and tendon exposure in the hand who were admitted to Dongguan Songshan Lake Central Hospital between January 2022 to January 2024. The patients were randomly divided into two groups: observation and control (N=23/group). The observation group underwent double-layer artificial dermis transplantation, whereas the control group received conventional treatment. The two groups were compared in terms of the overall wound condition, infection rate, granulation tissue growth time, wound healing time, pain scores, scar scores, and hand function recovery scores. Results: In the observation group, wound swelling and exudation were significantly reduced post-treatment, while no wound infections were observed. In contrast, the control group had significantly more severe wound swelling and exudation, with an infection rate of 13.04%. The observation group had shorter average times for granulation tissue growth and wound healing. Pain scores at days 3, 7, and 14, Vancouver Scar Scores (VSS) and Arm, Shoulder, and Hand Disability Scores (DASH) at six months were significantly lower in the observation group (P<0.05). Conclusion: The double-layer artificial dermis could effectively reduce the wound's inflammatory response, control infections, alleviate patient pain, accelerate granulation tissue growth and shorten the wound healing time. Furthermore, it could reduce scar tissue formation and restore the hand's functionality.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».