Comparison of Frenotomy Techniques for the Treatment of Ankyloglossia in Children: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVE: To compare the effectiveness of conventional (CF), laser (LF), and Z-plasty (ZF) frenotomies for the treatment of ankyloglossia in the pediatric population. DATA SOURCES: A comprehensive search of PUBMED, EMBASE, and COCHRANE databases was performed. REVIEW METHODS: Relevant articles were independently assessed by 2 reviewers according to the Preferred Reporting Items for Systematic Reviews and Meta-Analysis (PRISMA) guidelines. RESULTS: Thirty-five articles assessing CF (27 articles), LF (4 articles), ZF (3 articles), and/or rhomboid plasty frenotomy (1 article) were included. A high level of outcome heterogeneity prevented pooling of data. All 7 randomized controlled trials (RCTs) were of low quality. Both CF (5 articles with 589 patients) and LF (2 articles with 78 patients) were independently shown to reduce maternal nipple pain on a visual analog or numeric rating scale. There were reports of improvement with breastfeeding outcomes as assessed on validated assessment tools for 88% (7/8) of CF articles (588 patients) and 2 LF articles (78 patients). ZF improved breastfeeding outcomes on subjective maternal reports (1 article with 18 infants) only. One RCT with a high risk of bias concluded greater speech articulation improvements with ZF compared to CF. Only minor adverse events were reported for all frenotomy techniques. CONCLUSIONS: Current literature does not demonstrate a clear advantage for one frenotomy technique when managing children with ankyloglossia. Recommendations for future research are provided to overcome the methodological shortcomings in the literature. We conclude that all frenotomy techniques are safe and effective for treating symptomatic ankyloglossia.
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) | 0,006 | 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 | 0,001 | 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 ».