Outcomes of the Southampton Wound Grading System in Punch Biopsy Wounds
Notice bibliographique
Résumé
Introduction: Skin biopsy punch is a common instrument used by dermatologists in day-to-day practice. The use of this device is associated with minimal complications. However, we cannot deny the possibility of adverse effects. We aimed to grade and track therapeutic skin punch biopsy wounds over 3 months using the Southampton Wound Grading System (SWGS). Materials and Methods: Selected patients in whom skin punch biopsy could be used therapeutically were enrolled. The procedures were performed under local anesthesia with suturing whenever needed. Immediate complications were noted, with follow-ups after 1 week, 1 month, and 3 months. The complications were noted, and the wounds were graded. Results: A total of 56 lesions from 45 patients underwent five procedures (punch excision, narrow hole extrusion technique, pinch-punch excision, enucleation of corn, and punch grafting). The most common immediate complication was a dog-ear defect; surgical wound dehiscence predominated at one week and one month, while post-inflammatory hyperpigmentation and hypertrophic scars were most common at three months. SWGS grades after one week were IC (67.86%), 0 (17.86%), IA (12.50%), and IIC (1.78%); after one month, 0 (64.29%) and IC (35.71%); after three months, 0 (76.79%) and IC (23.21%). Inferential analysis showed that larger punch sizes were associated with higher complication rates (p=0.049), and sutured wounds had more complications than non-sutured wounds (p=0.0028). Conclusion: There were predominantly minor complications like dog-ear defect and mild erythema, with no postoperative infections. Larger punch sizes and suturing were associated with more complications, underscoring careful punch selection and closure technique.
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 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».