MétaCan
Menu
Retour à la cohorte
Enregistrement W3128827805 · doi:10.26443/mjm.v17i1.115

Bio-Engineering in Microtia Reconstruction: A Narrative Review

2019· review· en· W3128827805 sur OpenAlexaffvenue
Ann‐Sophie Lafrenière

Notice bibliographique

RevueMcGill Journal of Medicine · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueReconstructive Facial Surgery Techniques
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMicrotiaMedicineCraniofacialCarving3D printingThree dimensional printingMedical physicsSurgeryEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Introduction: Three-dimensional (3D) modeling and printing have become widely adopted in surgical fields, whether it be for pre-operative planning, production of prostheses, outcomes monitoring and even surgical training. Plastic and reconstructive surgeons have shown interest in using 3D technology in craniofacial reconstruction, in particular for microtia. Discussion: In patients with unilateral microtia, 3D modeling and printing of their normal contralateral ear to use as an intra-operative reference during costochondral or MedPor carving were preferred by surgeons to traditional 2D drawings as they provide the depth aspect of the ear and logistically save time. Combining tissue engineering with 3D modeling and printing by seeding chondrocytes onto a customized biodegradable ear framework is promising to restore aesthetics and obviates certain challenges of the autologous costochondral graft technique.Conclusions and relevance: Microtia is a common congenital malformation and its current gold standard is technically challenging. As medicine is moving towards personalized medicine, 3D modeling and printing will definitely play a larger role in various surgical fields, including microtia reconstruction. Future studies will likely focus on refining the acquisition of images to produce 3D models, standardizing tissue engineering techniques and using bioprinting to produce external ears once the technology is clinically applicable.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,069
Tête enseignante GPT0,369
Écart entre enseignants0,301 · 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'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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMcGill Journal of MedicineMême sujetReconstructive Facial Surgery TechniquesTravaux en français237 207