A Review of Tissue Expansion-Assisted Techniques of Cleft Palate Repair
Notice bibliographique
Résumé
BACKGROUND: The purpose of this report was to examine current knowledge of use of tissue expansion techniques to assist cleft palate repair and to review and contrast various techniques reported. METHODS: Two separate literature searches were conducted in the Cochrane Library, CINAHL, Medline and Embase databases, from database inception until December 2014 for use of mucoperiosteal expansion (MPE) and distraction osteogenesis (DO) in cleft palate repair. RESULTS: Six articles, reporting a total of 51 patients of palatal MPE, were identified for discussion and analysis. Three different MPE techniques in primary cleft palate repair were described: intraoperative rapid expansion, tumescent injections, and a 2-stage repair with an osmotic expander. Average fistula rate was 26.19%. The search for use of DO on palatal clefts revealed 6 animal models, a finite element analysis study, and 1 case report. Moreover, 2 patients were reported of the use of DO to assist in secondary palatal fistula closure. No fistula rate could be calculated due to the heterogeneity of the data. CONCLUSIONS: The experience with MPE in assisting cleft palate repair remains limited. Among expansion techniques, the use of osmotic expanders was associated with the highest rates of postoperative fistulae. The literature provides little evidence supporting the efficacy of MPE expansion in cleft palate repair. The majority of studies utilizing DO to assist primary cleft palate repair are in animal models with the exception of isolated case reports in human subjects. Although limited, the results demonstrate promise and the need for further research in this domain.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».