Female-to-Male Gender Affirming Top Surgery: A Single Surgeon’s 15-Year Retrospective Review and Treatment Algorithm
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Mastectomy, referred to here as "Top Surgery," is an important surgical step for female-to-male (FTM) transgender patients. The goal is to excise breast tissue and create a masculine chest contour. Despite the rising demand for Top Surgery, debate still exists regarding how to select the most appropriate surgical technique to optimize aesthetic outcomes safely. OBJECTIVES: To determine the safety profile and aesthetic outcome of one surgeon's 15-year FTM Top Surgery experience. To provide an algorithm for FTM surgery technique selection based on this experience. METHODS: A retrospective chart review was performed on 679 FTM patients (1358 mastectomies) undergoing Top Surgery from October 2001 to July 2016. The author's Top Surgery algorithm utilizes two techniques, "Keyhole" and "Double Incision Free Nipple Graft (DIFNG)," based on breast ptosis, inferior vertical skin pinch, and skin elasticity. Demographic data, operative details, complications, and reoperations along with their reasons were collected and analyzed. RESULTS: Of the 679 patients, 15.3% underwent Keyhole and the remaining 84.7% underwent DIFNG procedure. The total complication rate was 18.1% and the total reoperation rate was 11.2% and these rates were shown to decrease over time. The two techniques differed significantly (P < 0.001) in operating time (136 vs 102 min), breast weight excised (215 vs 638 g), and complication rate (33 vs 16%). The aesthetic rating of results was 4.6/5 for Keyhole and 3.7/5 for DIFNG. CONCLUSIONS: Safe and aesthetically pleasing results were achieved using this simplified algorithm. Experience with FTM techniques can decrease complication and reoperation rates over time. LEVEL OF EVIDENCE: 3.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 découle