Predictive Patient Characteristics and Surgical Variables That Influence Postoperative Complications following Bilateral Reduction Mammoplasty
Notice bibliographique
Résumé
Background: Breast hypertrophy is known to be a source of both physical and psychosocial health deficits. Therefore, the ability to relieve these symptoms with surgical treatment is an important consideration for patients. The primary objective of this study was to assess the impact of patient body mass index (BMI) on postoperation complications. The secondary objective of this study was to assess patient demographics, surgical techniques, and patient comorbidities for their impact on specific postoperative complications. Methods: A retrospective chart review of all patients who received bilateral breast reduction surgery in Nova Scotia over the past 10 years was performed. A total of 1022 patients met the inclusion criteria of the study. Logistic regression modeling was performed to identify demographic factors, surgical techniques, and patient comorbidities that impact the risk of developing specific postoperative complications. Results: Our study population had a total complication incidence of 37.7%. BMI was not significantly different between patients who developed complications and those who did not. Logistic regression modeling showed a significant relationship that with each unit increase in BMI above the mean (25.9 kg/m 2 ) the relative risk of patient-reported postoperative asymmetry increased by 6%. Conclusions: The findings of this study suggest that BMI has several nonsignificant relationships to postoperative complications following bilateral breast reduction. These trends do not translate to significantly increased complaints of asymmetry, scarring‚ or revision surgeries. This study also provides valuable information on the timeline of postoperative complications and when they can commonly be identified.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».