MétaCan
Menu
Retour à la cohorte
Enregistrement W2433998523 · doi:10.1097/prs.0000000000001770

Introduction to Fillers

2015· review· en· W2433998523 sur OpenAlexaff
Jean Carruthers, Alastair Carruthers, Shannon Humphrey

Notice bibliographique

RevuePlastic & Reconstructive Surgery · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueFacial Rejuvenation and Surgery Techniques
Établissements canadiensSKiN HealthUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineFood and drug administrationFlexibility (engineering)Adverse effectProduct (mathematics)Product lineSurgeryIntensive care medicineRisk analysis (engineering)EngineeringManufacturing engineering

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Over the last few years, injectable soft-tissue fillers have become an integral part of cosmetic therapy, with a wide array of products designed to fill lines and folds and revolumize the face. METHODS: This review describes cosmetic fillers currently approved by the Food and Drug Administration and discusses new agents under investigation for use in the United States. RESULTS: Because of product refinements over the last few years-greater ease of use and longevity, the flexibility of multiple formulations within one line of products, and the ability to reverse poor clinical outcomes-practitioners have gravitated toward the use of biodegradable agents that stimulate neocollagenesis for sustained aesthetic improvements lasting up to a year or more with minimal side effects. Permanent implants provide long-lasting results but are associated with greater potential risk of complications and require the skilled hand of the experienced injector. CONCLUSIONS: A variety of biodegradable and nonbiodegradable filling agents are available or under investigation in the United States. Choice of product depends on injector preference and the area to be filled. Although permanent agents offer significant clinical benefits, modern biodegradable fillers are durable and often reversible in the event of adverse effects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,157

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0470,025

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,331
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations51
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlastic & Reconstructive SurgeryMême sujetFacial Rejuvenation and Surgery TechniquesTravaux en français237 207