Near Infrared Fluorescence Imaging to Assess Breast Flap Perfusion and Prevention of Ischemia: Case Report
Notice bibliographique
Résumé
Introduction: Breast skin flap ischemia and necrosis is a serious consequence of breast reconstruction with reported incidence of 10% to 15%. Current clinical method of assessing breast skin flap perfusion includes combination of skin color, temperature, dermal edge bleeding, and capillary refill. Given the high incidence of ischemia and the presence of certain cohort of patient with greater risk, there is a need for an objective method of assessing the skin flap perfusion. Near infrared fluorescence imaging using indocyanine green is a new technique of assessing skin flap perfusion. We present a first reported case where breast skin flap ischemia was objectively identified intraoperatively by NIRF imaging, and this ischemia was reversed through active intra- and postoperative measures, which was objectively again identified by NIRF imaging. Case presentation: A 36-year-old female patient underwent bilateral nipple sparing mastectomies with immediate reconstruction using tissue expanders. Clinical assessment of the breast skin flap was equivocal. NIRF imaging using SPY imaging system (Novadaq Technologies Inc, Toronto, ON, Canada) showed poor perfusion in the periareolar region. As a result, it was decided to completely deflate the expander, actively warm the skin flap and encourage cutaneous perfusion through use of topical glycerin trinitrate patch. A repeat NIRF imaging 48 hours showed 10-fold increase in perfusion in the skin flap. Conclusion: NIRF imaging is a useful tool in assessing breast skin perfusion and to predict potential ischemia, which can aid in surgeon's management of patient.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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 ».