Furlow Palatoplasty: Should We Also Focus on the Size of the Nasopharynx?
Notice bibliographique
Résumé
Objectives: (1) To determine the incidence rate of velopharyngeal dysfunction (VPD) according to 7 speech criteria post-Furlow palatoplasty. (2) To find an anatomical measurement of the cleft palate (or combination of measurements) associated with the occurrence of VPD. Study design: Retrospective cohort study. Participants and Methods: Fifty-six patients with cleft palate ± cleft lip underwent palatoplasty with the Furlow technique at the age of 10 months. Pre-and post-palatoplasty cleft palate measurements were collected during the procedure. Three blinded speech-language pathologists (SLPs) retrospectively scored the patients from the chart data at age 4. Student t test and receiver operating characteristic curve analysis were used to evaluate the association and predictive capacity between cleft measurements and parameters (M&P) with all VPD criteria. Results: The SLPs found an incidence of VPD according to 7 criteria: hypernasality (11%), audible nasal emission (4%), nasal rustle (14%), compensatory errors (4%), impairment of speech understandability (7%), and impairment of speech acceptability (16%). The SLPs recommended a secondary surgical procedure in 5 patients (9%). A statistically significant association was found between, respectively, 17 and 5 M&P and the occurrence of compensatory errors and audible nasal emission. Our data suggest that the length of the cleft, the cleft area, and the postoperative transversal size of the nasopharynx are the best indicators of the future positivity of VPD criteria. Conclusion: The size of the postoperative transverse nasopharyngeal area during the primary cleft palate procedure may become the focus of the next generation of cleft surgeons to reduce the incidence of VPD.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».