Abstract QS2: Death By Implants: A Critical Analysis Of The FDA-MAUDE Database On Breast Implant-related Mortality
Notice bibliographique
Résumé
Purpose: Since the 1996 moratorium by the Food and Drug Administration(FDA), the debate on the association of breast implants with systemic illnesses has been ongoing. Breast implant-associated anaplastic large cell lymphoma(BIA-ALCL) has also raised significant safety concerns in recent years. Methods: A systematic search of the U.S. Manufacturer and User Facility Device Experience (MAUDE) database was performed to identify and critically analyze all cases of breast-implant associated deaths reported to the FDA. Results: The search identified 50 reported cases of apparent implant-related mortality; BIA-ALCL comprised the majority of fatal outcomes (n=21, 42%), followed by lymphoma (n=4, 8%), breast cancer (n=3, 6%), pancreatic cancer (n=2, 4%), implant rupture (n=2, 4%), and postoperative infections (n=2, 4%). Single cases (n=1, 2% each) of leukemia, small bowel cancer, lung disease, pneumonia, autoimmune and joint disease, amyotrophic lateral sclerosis, liver failure, and sudden death, as well as 2 cases (4%) of newborn deaths, to mothers with breast implants, were also identified. A literature review demonstrated that 54% of alleged implant-related deaths were not truly associated with breast implant use: the majority of these reports (82%) originated from the public and third-party sources, rather than evidence-based reports by healthcare professionals and journal articles. Conclusions: While there exists a need for more comprehensive reporting in federal databases, the information available should be considered for a more complete understanding of implant-associated adverse outcomes. With only 46% of FDA- reported implant-related deaths demonstrated to be truly associated with breast implant use, there exists a need for public awareness and education on breast implant safety.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».