Characterizing the lateral slope of the aging female eyebrow
Notice bibliographique
Résumé
BACKGROUND: Ideal eyebrow aesthetics give a framework for brow rejuvenation and surgical procedures do not always provide satisfying results. Previous studies have shown elevation of the medial brow with aging; however, they failed to characterize overall shape changes. OBJECTIVE: To characterize changes in eyebrow slope with increasing age to better direct brow rejuvenation. METHODS: From standardized anteroposterior facial photographs of 100 women 20 to 80 years of age, eyebrow height was measured at the medial limbus and arch apex from a mid-pupillary horizontal. The slope of the eyebrow was calculated. Using group analysis, mean height and slope were compared using the Mann-Whitney U test. Regression analysis was used to determine the relationship between slope and age. RESULTS: Mean slope significantly decreased from 20 to 29 years of age to 40 to 49 years of age (0.22 versus 0.12; P=0.03), and then increased between 40 and 49 years of age and ≥60 years of age (0.12 versus 0.21; P=0.05). Medial height did not change significantly, and arch apex significantly decreased between 20 and 29 years of age and 40 and 49 years of age. Regression analysis showed a quadratic relationship between age and slope, with the decrease in slope until the fifth decade of life being directly related to increasing age. After this, age was not a significant contributor to slope changes. CONCLUSIONS: With increasing age, the slope of the eyebrow decreases until the fifth decade dependent on age. After the fifth decade, age no longer plays a significant role. Therefore, choice of brow lift technique should be carefully selected.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».