Uso do mel orgânico tópico no tratamento de queimadura de terceiro grau em cão: relato de caso
Bibliographic record
Abstract
O uso tópico do mel oferece considerável benefício nos cuidados de feridas como o estímulo de crescimento tecidual, aumento na epitelização e formação mínima de cicatriz. Estes efeitos decorrem da sua acidez, presença de peróxido de hidrogênio, efeito osmótico e conteúdo anti-oxidante. Uma cadela da raça labrador, de quatro anos, apresentou uma ferida que se estendia da região toraco-abdominal lateral esquerda até a região sacra, ocasionada por uma queimadura de terceiro grau devido ao uso de colchão térmico elétrico. Após o debridamento do tecido necrosado e antibioticoterapia por dez dias, foi iniciado o uso de curativo com mel orgânico tópico, aplicado sob a forma pura com auxílio de gaze, duas vezes ao dia. Após a aplicação do mel, a região foi mantida com bandagem compressiva. A lesão apresentou boa evolução da cicatrização, com epitelização e formação de tecido de granulação após 15 dias do início do tratamento, não havendo necessidade da realização da técnica cirúrgica de reconstrução para o fechamento do defeito da pele. O mel é uma opção de baixo custo e de fácil uso pelo proprietário, após o debridamento da lesão e antibioticopterapia instituídos pelo profissional veterinário.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".