MétaCan
Menu
← Retour à la cohorte
Enregistrement W6945031201 · doi:10.22122/jims.v38i568.12664

The Effect of Varicose Vein Surgery on Varicose Ulcers

2020· article· en· W6945031201 sur OpenAlexaboutno aff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVaricose veinsEdemaVaricose UlcerVascular surgeryVein

Résumé

récupéré en direct d'OpenAlex

Background: Despite of the growing trend of varicose ulcers, the effect of vascular surgery is not clear exactly on the treatment of these ulcers. The present study aimed to compare the clinical features of patients before and after the varicose vein surgery. Methods: In a cross-sectional study during 2016, the outcomes of 50 patients who were referred to Alzahra Hospital in Isfahan, Iran, for varicose veins surgery were examined before and after surgery in terms of patients’ opinions, the mean of Vancouver score, and ulcer complications. Findings: The mean Vancouver score was 7.9 ± 2.0 and 5.1 ± 1.5 before and after surgery, respectively. The relative frequency of wound healing was 35.1 ± 19.2 percent, postoperatively. The mean score of varicose ulcer was 9.20 ± 0.67 one week before the surgery, and 4.76 ± 1.33 and 2.50 ± 0.74, one week and one month after it, respectively. Mean Vancouver score before and after treatment was different statistically (P < 0.001). The wounds and varicose veins complications were reduced statistically (P = 0.015). Conclusion: The mean Vancouver score, ulcer complications, and varicose ulcers decreased after surgery. Surgery was most effective in patients with active edema or scarring, while those in multiple complications were less likely to recover.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,137
Tête enseignante GPT0,478
Écart entre enseignants0,341 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)→Même sujetRemote Sensing and LiDAR Applications→Travaux en français237 207→