MétaCan
Menu
Retour à la cohorte
Enregistrement W3208554154 · doi:10.1177/2513826x211051107

To Divide or Not to Divide? A Case Report Using Near-Infrared Spectroscopy to Assist With Decision Making on Timing of Division of Forehead Flaps

2021· article· en· W3208554154 sur OpenAlexaffvenue
Spencer Yakaback, Carmen Webb, Claire Temple‐Oberle

Notice bibliographique

RevuePlastic Surgery Case Studies · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueReconstructive Facial Surgery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésForeheadMedicinePerfusionSurgeryBiomedical engineeringRadiology

Résumé

récupéré en direct d'OpenAlex

Paramedian forehead flaps (PMFFs) are commonly performed procedures for the reconstruction of complex nasal defects and require multiple stages predicated on when the interpolated pedicle is no longer required to provide perfusion to the neo-nose. As the presence of the pedicle is disfiguring, the flap is therefore divided ideally as soon as safely possible, but that determination is challenging. Recently, a novel device that uses near-infrared spectroscopy (NIRS) to measure tissue oxygen saturation has been developed and may provide an accurate and cost-effective tool to assess tissue perfusion. Here we present the use of this technology in the management of 2 patients who underwent successful oncologic nasal reconstructions using PMFFs. Using the device as a clinical adjunct, we measured tissue oxygen saturation values in the flaps before and after pedicle division, which assisted us in deciding when to safely divide the flaps, as well as with post-division management, particularly when a low tissue oxygen saturation reading ultimately necessitated the use of nitroglycerine past to improve flap perfusion in one of our patients. Interestingly, the values we recorded corresponded well to previously published cut-off values for adequate tissue perfusion, which have to date only been reported for free flaps. To our knowledge, this is the first description of the use of NIRS in the division of PMFFs, which we overall found to be a useful and reliable adjunct to a clinical examination in assessing flap neovascularization.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,003
Communication savante0,0030,004
Science ouverte0,0020,003
Intégrité de la recherche0,0100,007
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,096
Tête enseignante GPT0,397
Écart entre enseignants0,300 · 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'étudeÉtude de cas
Domainenon disponible
GenreEmpirique

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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePlastic Surgery Case StudiesMême sujetReconstructive Facial Surgery TechniquesTravaux en français237 207