Stepwise, Multi-Incisional, and Single-Stage Approach to Reshape Facial Contour After Large Cutaneous Lesion Resection
Notice bibliographique
Résumé
BACKGROUND: Removal of large facial benign cutaneous lesions remains challenging. Serial or complete excisions together with local flaps or expander-based reconstructions are required. However, those techniques are time-consuming and may contribute to poor cosmetic and functional outcomes. OBJECTIVE: The authors describe the resection and reconstruction of large facial benign cutaneous lesions by using Stepwise, Multi-Incisional, and Single-Stage (SMISS) approach. METHODS: The authors performed a retrospective review from all patients with large facial benign cutaneous lesions who underwent "SMISS" approach for reconstruction between September 2013 and December 2014. RESULTS: The authors treated 47 patients (32 female and 15 male; mean age 23.5 years, range 9-50 years). Follow-up was for 12 months or longer. The mean length of major axis was 43.91 mm, minor axis 32.10 mm, and scar 66.91 mm. Good to excellent outcomes were achieved in all patients with a mean Vancouver scar scale score of 3.46 ± 0.39 (Cronbach α = 0.890) and mean visual analog scale score of 8.02 ± 0.69 (Cronbach α = 0.946). LIMITATIONS: This was a nonrandomized, unblinded clinical case series with a limited sample size. CONCLUSION: For the excision and reconstruction of large facial benign cutaneous lesions, "SMISS" technique can be considered as a suitable option, leading to excellent results and a high patient satisfaction.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».