Through-and-Through Dissection of the Soft Palate for Pharyngeal Flap Inset: A “Good-Fast-Cheap” Technique for Any Etiology of Velopharyngeal Incompetence
Notice bibliographique
Résumé
OBJECTIVE: To determine the efficacy and resource utilization of through-and-through dissection of the soft palate for pharyngeal flap inset for velopharyngeal incompetence (VPI) of any indication. DESIGN: Retrospective review. SETTING: Tertiary care center. PATIENTS: Thirty patients were included. Inclusion criteria were diagnosis of severe VPI based on perceptual speech assessment, confirmed by nasoendoscopy or videofluoroscopy; VPI managed surgically with modified pharyngeal flap with through-and-through dissection of the soft palate; and minimum 6 months follow-up. Patients with 22q11.2 deletion syndrome were excluded. INTERVENTION: Modified pharyngeal flap with through-and-through dissection of the soft palate. MAIN OUTCOME MEASURE(S): Velopharyngeal competence and speech assessed using the Speech-Language Pathologist 3 scale. RESULTS: < .001). Velopharyngeal competence was restored in 25 (83%) patients, borderline competence in 3 (10%), and VPI persisted in 2 (7%) patients. Complications included 1 palatal fistula that required elective revision and 1 mild obstructive sleep apnea that did not require flap takedown. Median skin-to-skin operative time was 73.5 minutes, and median length of stay (LOS) was 50.3 hours. CONCLUSIONS: This technique allows direct visualization of flap placement and largely restores velopharyngeal competence irrespective of VPI etiology, with low complication rates. Short operative time and LOS extend the value proposition, making this technique not only efficacious but also a resource-efficient option for surgical management of severe VPI.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».