Locoregional flaps versus skin grafts in the nose: aesthetic considerations after cancer ablation
Notice bibliographique
Résumé
Background The annual incidence of skin cancer has been increasing, and surgical ablation is presently the treatment of choice for skin cancer. However, it leaves soft tissue defects that require reconstruction. The methods for reconstruction include locoregional flaps (LRFs) and full-thickness skin grafts (FTSGs). We compared these two surgical methods for reconstruction of defects in the nose, which is prominently visible and the most common site of facial skin cancer, and assessed the cosmetic results by evaluating the scars.Methods This retrospective study was conducted between July 2012 and January 2021. Patients were evaluated for scars after at least 6 months of follow-up. Patients were divided into LRF and FTSG groups. The scars were evaluated using the Vancouver Scar Scale.Results In total, 27 patients were included in this study. Their mean age was 66.8 years. Eighteen patients underwent LRF, and nine patients underwent FTSG. The average defect size was 1.55 cm² in the LRF group, and 1.38 cm² in the FTSG group. The average scar score was 1.44 points in the LRF group and 3.67 points in the FTSG group. The LRF group showed significantly lower total scores than the FTSG group.Conclusions Although LRFs and FTSGs are useful reconstructive methods for nasal soft tissue defects, this study showed that LRFs are superior to FTSGs in terms of aesthetic results.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».