Use of Glycerolized Acellular Dermal Matrix with Skin Autografts
Bibliographic record
Abstract
Descripción: El cubrimiento de heridas ha evolucionado para mejorar la supervivencia, pero las cicatrices afectan la función y estética. Los sustitutos dérmicos buscan mejorar la calidad cicatricial, se presenta un estudio de cohorte prospectiva con el objetivo de comparar los resultados funcionales y estéticos entre los autoinjertos cutáneos combinados con una matriz dérmica acelular glicerolizada producida en un banco de tejidos y los autoinjertos solos. Material y métodos: Entre abril de 2021 y enero de 2023, se llevó a cabo el estudio con 65 áreas corporales de 30 pacientes, distribuidos en 2 grupos, se realizó un seguimiento a 6 meses, teniendo en cuenta parámetros clínicos y evaluación del seguimiento fotográfico por un cirujano plástico ajeno al desarrollo del proyecto de investigación quien evaluó los resultados de la evolución a 6 meses. Resultados: La principal variable de epitelización fue la escala de Vancouver, que se definió para el estudio como un valor menor o igual a 3, el grupo que utilizó la matriz dérmica con autoinjertos presentó una puntuación mejor en comparación con el grupo de control, en todos los meses evaluados, hasta el mes 6, con una p significativa ≤ 0.05. Discusión: Los avances en matrices dérmicas han mejorado la cicatrización, con reducción de cicatrices en quemaduras. Estas matrices benefician el tratamiento de heridas crónicas y lesiones complejas, como la exposición tendinosa. La matriz dérmica evaluada, mostró resultados prometedores en cicatrización y funcionalidad en casos específicos, al comparar con investigaciones previas los resultados muestran que es importante continuar estudio estos tejidos para definir su papel en los algoritmos reconstructivos de este tipo de pacientes. Conclusiones: El uso de este tipo de matriz dérmica de un banco de tejidos regional se asocia con mejores parámetros 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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 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".