Textured Surface Breast Implants in the Prevention of Capsular Contracture among Breast Augmentation Patients: A Meta-Analysis of Randomized Controlled Trials
Notice bibliographique
Résumé
BACKGROUND: Capsular contracture is a common complication associated with the use of breast implants. Numerous randomized controlled trials addressing the efficacy of textured surface breast implants in reducing capsular contracture have yielded nonuniform results. This meta-analysis addresses the use of textured breast implants in the prevention of capsular contracture. METHODS: MEDLINE, EMBASE, and the Cochrane Central Register of Controlled Trials databases were searched to identify all randomized controlled trials involving the use of textured versus smooth breast implants. The results of these trials were meta-analyzed to obtain a pooled odds ratio of the effect of textured surfacing on capsular contracture rates. In addition, subgroup analyses were performed based on implant type (saline or silicone gel), type of surface texturing (Siltex or Biocell), placement (subglandular or submuscular), and length of follow-up. RESULTS: Eleven trials were reviewed. Four were excluded because they failed to meet a priori inclusion criteria. The remaining seven trials were meta-analyzed. Only three of these studies found significantly lower rates of capsular contracture with the use of textured implants. However, when all seven studies were pooled, the odds ratio was found to be 0.19 (95 percent confidence interval, 0.07 to 0.52), indicating a protective effect for surface texturing on the rate of capsular contracture. Submuscular placement was the only subgroup in which significance was not achieved. However, this subgroup consisted of a single study, which was dramatically underpowered. CONCLUSION: The results of this meta-analysis demonstrate the superiority of textured over smooth breast implants in decreasing the rate of capsular contracture.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,047 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».