Outcomes and Outcome Measures in Breast Reduction Mammaplasty: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Reduction mammaplasty remains critical to the treatment of breast hypertrophy. No technique has been shown to be superior; however, comparison between studies is difficult due to variation in outcome reporting. OBJECTIVES: The authors sought to identify a comprehensive list of outcomes and outcome measures in reduction mammaplasty. METHODS: A comprehensive computerized search was performed. Included studies were randomized or nonrandomized controlled trials involving at least 100 cases of female breast hypertrophy and patients of all ages who underwent 1 or more defined reduction mammaplasty technique. Outcomes and outcome measures were extracted and tabulated. RESULTS: A total 106 articles were eligible for inclusion; 57 unique outcomes and 16 outcome measures were identified. Frequency of patient-reported and author-reported outcomes were 44% and 88%, respectively. Postoperative complications were the most frequently reported outcome (82.2%). Quality-of-life outcomes were accounted for in 37.7% of studies. Outcome measures were either condition-specific or generic; frequencies were as low as 1% and as high as 5.6%. Five scales were formally assessed in the breast reduction populations. Clinical measures were defined in 15.1% of studies. CONCLUSIONS: There is marked heterogeneity in reporting of outcomes and outcome measures in the literature. A standardized outcome set is needed to compare outcomes of various reduction mammaplasty techniques.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».