Medizinische Kompressionstherapie Der Extremitäten Mit Medizinischem Kompressionsstrumpf (MKS), Phlebologischem Kompressionsverband (PKV) Und Medizinischen Adaptiven Kompressionssystemen (MAK)

Rabe E.,Földi E.,Gerlach H.,Jünger M.,Lulay G., Miller A.,Protz K.,Reich-Schupke S.,Schwarz T.,Stücker M.,Valesky E.,Dermatologische Universitätsklinik Köln

Der Hautarzt（2020）SCI 4区

Cited 18|Views2

Abstract

ZusammenfassungDie neue Leitlinie zur Medizinischen Kompressionstherapie geht erstmalig zusammenfassend auf die unterschiedlichen Optionen der phlebologischen Kompressionstherapie ein. Dabei ordnet sie den PKV und die MAK primär der Entstauungsphase zu, MKS der Erhaltungsphase. Der Einsatz flach gestrickter MKS wird nicht einer bestimmten Diagnose, sondern bestimmten Befunden des Patienten zugeschrieben. Dabei ermöglicht die höhere Stiffness den Einsatz bei therapieresistenten Ödemen, die höhere Biegesteifigkeit bei Hautfalten und die Möglichkeit Maschen bei Flachstrickware individuell auf- oder abzunehmen, den Einsatz bei außergewöhnlichen Kaliberunterschieden der Beine. Zur Verbesserung der Adhärenz sollen bei MKS möglichst niedrige Kompressionsklassen verwendet werden. Beim PKV sind viele Aspekte zu berücksichtigen, woraus die Beschränkung des PKV auf die Entstauungsphase in dieser Leitlinie zurückzuführen ist. Stärker als bisher wird als Ziel der Kompressionstherapie die Verbesserung der Lebensqualität der Patienten hervorgehoben.

Translated text

Key words

Pain Management

Bibtex

AI Read Science

AI Summary

AI Summary is the key point extracted automatically understanding the full text of the paper, including the background, methods, results, conclusions, icons and other key content, so that you can get the outline of the paper at a glance.

Example

Background

Key content

Introduction

Methods

Results

Related work

Fund

Key content

Pretraining has recently greatly promoted the development of natural language processing (NLP)
We show that M6 outperforms the baselines in multimodal downstream tasks, and the large M6 with 10 parameters can reach a better performance
We propose a method called M6 that is able to process information of multiple modalities and perform both single-modal and cross-modal understanding and generation
The model is scaled to large model with 10 billion parameters with sophisticated deployment, and the 10 -parameter M6-large is the largest pretrained model in Chinese
Experimental results show that our proposed M6 outperforms the baseline in a number of downstream tasks concerning both single modality and multiple modalities We will continue the pretraining of extremely large models by increasing data to explore the limit of its performance

Try using models to generate summary,it takes about 60s

Must-Reading Tree

Example

Generate MRT to find the research sequence of this paper