MétaCan
Menu
Retour à la cohorte
Enregistrement W3080480620 · doi:10.1097/dss.0000000000002490

Follicular Unit Excision Punches and Devices

2020· review· en· W3080480620 sur OpenAlexaff
Aditya Gupta, Robin P. Love, Robert H. True, James A. Harris

Notice bibliographique

RevueDermatologic Surgery · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueHair Growth and Disorders
Établissements canadiensMediprobe Research (Canada)University of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer scienceTrephineMedicineUnit (ring theory)Medical physicsSurgeryPsychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Follicular unit excision (FUE) is used to harvest follicular units for hair transplantation using trephine punches. The characteristics of FUE punches can impact the success of this technique; thus, many innovative punch designs and devices have been developed. With many options available, it can be difficult for the hair restoration surgeon to know which punch best suits the needs of their patients. OBJECTIVE: To provide a comprehensive review of punch shapes and devices available. METHODS: Search of PubMed, reference mining of relevant publications, and hand searching trade publications. RESULTS: We examined FUE punches and devices and consolidated descriptive information for each to create textual and visual guides. No single punch shape or device may suit all cases; thus, it is important to know the best uses and limitations of each. CONCLUSION: The surgeon should have a comprehensive knowledge base of available punch shapes and devices and understand the advantages and disadvantages of each. It is also beneficial to have an in-depth knowledge of skin properties and follicular unit structure. Ultimately, understanding the dynamics behind punch excision will enhance the FUE technique.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,982
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,110
Tête enseignante GPT0,337
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDermatologic SurgeryMême sujetHair Growth and DisordersTravaux en français237 207