Evaluación de cicatrización en zonas donantes usando técnica Meek vs. curación convencional en adultos mayores
Bibliographic record
Abstract
La gestión de la zona donante tras la obtención de injertos de piel representa un desafío significativo en la práctica quirúrgica, especialmente en adultos mayores, donde la capacidad de regeneración cutánea se ve disminuida. Objetivo: Realizar una evaluación de cicatrización de los tejidos resultantes de la zona donante entre la técnica de expansión de injertos con sistema “Meek” versus la cura convencional en pacientes adultos mayores. Descripción del caso: Se presentó el reporte de veinte pacientes entre 65 y 98 años de la unidad de cirugía plástica de una clínica de Lima-Perú; entre octubre 2022 y junio 2024, donde se emplearon la técnica convencional y el uso del sistema “Meek” para cubrir la zona donante, mismo grosor de piel, mismo dermatomo. Se evaluaron las características de la cicatrización en la zona donante utilizando la escala de cicatrización Vancouver y Posas a los 30 días. Es un estudio comparativo, intervención, analítico, prospectivo y longitudinal. Discusión: Se apreció un mejor resultado de cicatrización empleando la técnica de injertos de piel parcial de sistema “Meek” en comparación con la curación continua o convencional, además de ser significativo (p<0,05). La cicatrización resultante en la zona donante utilizando el sistema “Meek” tuvo características similares a la piel adyacente. Se pudo evidenciar que la técnica Meek es más eficiente al lograr cobertura temprana, efectiva y segura en las zonas donantes en pacientes adultos mayores mientras que en la cura convencional un proceso lento de cicatrización.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".