Impact of Extreme Temperatures on Hemostatic Gauze Using Thromboelastography
Notice bibliographique
Résumé
Introduction Hemorrhage control in austere environments is challenging, particularly for wounds that are not amenable to tourniquets. Hemostatic gauzes are crucial in such settings, but their efficacy may be compromised by suboptimal storage conditions, including extreme temperatures, where discoloration has been observed. This study evaluated the impact of extreme temperature exposure on the efficacy of hemostatic gauze using thromboelastography. Methods Blood from 30 healthy adults was diluted by 30% with hetastarch to mimic trauma-induced coagulopathy. Kerlix and QuikClot Combat Gauze stored for 3 weeks in cold (−10°C), hot (70°C), and room-temperature (22°C) environments were compared in the thromboelastography parameters of R (time to initiation of clot formation), K (clot amplification), α angle (clot formation rate), and MA (maximum amplitude of clot). Results Compared with whole blood, diluted blood had weaker clots with slower clot-formation kinetics ( MA =58 vs 43 mm, P <0.0001; K =2.6 vs 4.0 min, P <0.0001; α angle=55 vs 47 degrees, P <0.0003) but faster clot initiation times ( R =8.7 vs 7.1 min, P <0.0001). Addition of either gauze shortened clot initiation times (Kerlix: 7.1 vs 5.0 min, P <0.0001; QuikClot Combat Gauze: 7.1 vs 2.7 min, P <0.0001), with QuikClot Combat Gauze significantly shortening R compared with Kerlix. Reductions in R values were consistent across temperature extremes ( P <0.05). The other parameters were consistently unaffected ( P >0.05). Conclusions This in vitro laboratory study demonstrated that hemostatic gauze retained its ability to initiate clotting in vitro even after prolonged exposure to temperature extremes.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».