Tratamento de granulomas laríngeos pós-intubação: revisão sistemática e metanálise proporcional
Bibliographic record
Abstract
Introdução: O granuloma laríngeo é uma lesão de contato formada de tecido de granulação no terço posterior das cordas vocais, decorrente de um processo inflamatório que surge após trauma e irritação crônica. Dentre as etiologias traumáticas, intubação e uso prolongado do tubo endotraqueal são as mais comuns. Objetivo: O presente artigo tem por objetivo verificar na literatura os principais tratamentos de granulomas laríngeos pós-intubação. Materiais, sujeitos e métodos: Para a elaboração deste artigo de revisão foram consultados artigos científicos e artigos de revisão publicados e referenciados nas plataformas de dados BVS, Scielo e Pubmed. Resultados e discussão: O tempo para resolução dos granulomas, realizando um tratamento cirúrgico, é o mais rápido dentre todos,visto que resolve imediatamente, apesar de muitos casos precisarem de tratamento clínico, para evitar recidivas. Já a budesonida inalatória é o tratamento que levou um maior tempo médio para a resolução da lesão, e deve ser considerada nas opções para o tratamento de granulomas laríngeos, já que apresenta baixa morbidade. Considerações finais: O estudo permite concluir que as opções de tratamento mais indicadas são conservadoras, com inibidores da bomba de prótons (IBP), glicocorticóides, fonoaudiologia, toxina botulínica, mitomicina C. Caso haja falha terapêutica, cirurgia à laser de CO2 ou instrumentos frios são opções.
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 | 0.005 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.009 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".