Normative Data for Interpreting the BREAST-Q: Augmentation
Notice bibliographique
Résumé
BACKGROUND: The BREAST-Q is a rigorously developed, well-validated, patient-reported outcome instrument with a module designed for evaluating breast augmentation outcomes. However, there are no published normative BREAST-Q scores, limiting interpretation. METHODS: Normative data were generated for the BREAST-Q Augmentation module by means of the Army of Women, an online community of women (with and without breast cancer) engaged in breast-cancer related research. Members were recruited by means of e-mail; women aged 18 years or older without a history of breast cancer or breast surgery were invited to participate. Descriptive statistics and a linear multivariate regression were performed. A separate analysis compared normative scores to findings from previously published BREAST-Q augmentation studies. RESULTS: The preoperative BREAST-Q Augmentation module was completed by 1211 women. Mean age was 54 ± 24 years, the mean body mass index was 27 ± 6 kg/m, and 39 percent (n = 467) had a bra cup size of D or greater. Mean scores were as follows: Satisfaction with Breasts, 54 ± 19; Psychosocial Well-being, 66 ± 20; Sexual Well-being, 49 ± 20; and Physical Well-being, 86 ± 15. Women with a body mass index of 30 kg/m or greater and bra cup size of D or greater had lower scores. In comparison with Army of Women scores, published BREAST-Q augmentation scores were lower before and higher after surgery for all scales except Physical Well-being. CONCLUSIONS: The Army of Women normative data represent breast-related satisfaction and well-being in women not actively seeking breast augmentation. These data may be used as normative comparison values for those seeking and undergoing surgery as we did, demonstrating the value of breast augmentation in this patient population.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».