Autologous Fat Injection for Augmentation Rhinoplasty: A Systematic Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Autologous fat has become more frequently used for nasal volume augmentation and nasal correction. Nasal lipofilling refers to the use of injectable autologous fat grafts for nonsurgical aesthetic corrections. OBJECTIVES: This systematic review aims to assess the satisfaction, complication, and retention rates of fat injection in nasal shape corrections. METHODS: The authors searched PubMed/Medline and Google Scholar up to and including October 2020 with no time and language restrictions for pertinent materials. Two authors conducted a duplicate searching process independently to determine proper materials based on the inclusion and exclusion criteria. One author retrieved the following data from the finally included studies based on a predefined checklist worksheet. RESULTS: The included studies report data from a total of 564 patients undergoing nasal fat injection in 12 studies. The mean score in our included materials was 6.08 with a range of 4 to 7 scores. In most of our included materials, no complication was reported for the peri/postsurgical period. Although some papers reported manageable complications such as an insufficient volume or decreased volume by resorption, tip excess and supratip fillness, and mild displacement, more than half of our included materials reported on patient satisfaction with aesthetic results of fat injection. The satisfaction rates were mostly high and ranged from 63% to 100%. CONCLUSIONS: Autologous fat injection is an effective and minimally invasive treatment for nasal aesthetic and contour correction with a high satisfaction rate and low complication rate. Clinical expertise is essential to have a safe injection and to minimize the potential complications.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle