MétaCan
Menu
Retour à la cohorte
Enregistrement W3102506257 · doi:10.1093/asj/sjaa310

A Multicenter Evaluation of Paradoxical Adipose Hyperplasia Following Cryolipolysis for Fat Reduction and Body Contouring: A Review of 8658 Cycles in 2114 Patients

2020· review· en· W3102506257 sur OpenAlexaboutno aff
Andreas Nikolis, Kaitlyn M. Enright

Notice bibliographique

RevueAesthetic Surgery Journal · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueBody Contouring and Surgery
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineBody contouringIncidence (geometry)Adipose tissueHyperplasiaAdverse effectMulticenter studySurgeryInternal medicineObesityRandomized controlled trialWeight loss

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Paradoxical adipose hyperplasia (PAH) is a rare, moderate-to-severe adverse event associated with cryolipolysis (CoolSculpting, CS). OBJECTIVES: The aim of this study was to describe the incidence, diagnosis, and treatment of PAH occurring after CS for nonsurgical fat reduction. METHODS: A multicenter evaluation of all patients who underwent CS treatment between January 2015 and December 2019 at 8 Canadian medical centers was conducted. Data abstracted included symptoms, management strategy, outcome, operator characteristics, device characteristics, patient characteristics, body region, and CS treatment details. Incidence of PAH was calculated based on the number of treatment cycles. RESULTS: Our findings revealed incidence rates between 0.05% and 0.39%, which are slightly higher than the manufacturer's quoted rate of 0.025% (1 per 4000 cycles). Incidence rates at all sites were dramatically reduced by over 75% with the implementation of newer models of CS units. Of patients who developed PAH, 55% were male and 77.8% were of European ethnic origin. The majority of cases (76.9%) were associated with older models of CS units. CONCLUSIONS: Development of PAH may be related to a combination of factors, including older models of CS units and applicators, as well as individual characteristics that predispose certain patients.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,063
Tête enseignante GPT0,354
Écart entre enseignants0,291 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations39
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAesthetic Surgery JournalMême sujetBody Contouring and SurgeryTravaux en français237 207