Đánh giá sớm kết quả điều trị bỏng nhiệt nông ở trẻ em tại Bệnh viện Trung ương Huế
Bibliographic record
Abstract
Giới thiệu: Trẻ em là nhóm bệnh nhân thường gặp trong tổn thương bỏng. Việc đánh giá sớm kết quả điều trị về bỏng nhiệt nông ở trẻ em giúp nhận diện những yếu tố ảnh hưởng đến quá trình phục hồi của trẻ, từ đó đưa ra các biện pháp can thiệp kịp thời và hiệu quả, giảm thiểu tối đa các biến chứng và nâng cao chất lượng cuộc sống cho trẻ em. Mục tiêu nghiên cứu: Khảo sát một số đặc điểm lâm sàng, cận lâm sàng và đánh giá sớm kết quả điều trị bỏng nhiệt nông ở trẻ em. Đối tượng và phương pháp nghiên cứu: Nghiên cứu tiến cứu theo dõi dọc không có đối chứng ở 36 bệnh nhân trẻ em bỏng nhiệt nông, nhập viện điều trị tại khoa Bỏng - Phẫu thuật Tạo hình di chứng, Trung tâm Chấn thương Chỉnh hình - Phẫu thuật Tạo hình (Bệnh viện Trung Ương Huế) từ tháng 12 năm 2023 đến hết tháng 8 năm 2024. Kết quả: Số trẻ vào viện vì bỏng có độ tuổi từ 1 đến 5 tuổi chiếm tỷ lệ 83,3%. Bỏng nhiệt ướt chiếm 91,7%, không có biến chứng và tất cả bệnh nhibỏng được biểu mô hóa hoàn toàn và lành bệnh. Sau 1 tháng tái khám, điểm Vancouver có giá trị trung bình là 1,65 ± 1,81 điểm, trong đó điểm tối thiểu là 0 điểm, tối đa là 8 điểm.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.194 | 0.085 |
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".