What Technique Results in the Lowest Rate of Velopharyngeal Insufficiency in Patients With Submucous Cleft Palate? A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Objective: To determine which surgical technique offers the lowest rate of velopharyngeal insufficiency (VPI) without the need for further operative intervention, in pediatric patients with nonsyndromic submucous cleft palate (SMCP). Methods: This systematic review and meta-analysis included articles reporting on nonsyndromic pediatric patients treated surgically during childhood for SMCP, with data on postoperative speech outcomes and/or recommendations for secondary surgery. Main outcome measures included rates of unfavorable speech outcomes defined as persistent VPI requiring secondary surgery and speech outcome data. Results: 15 articles met our inclusion criteria, reporting on 383 children who underwent surgical treatment; 343 patients were included in studies reporting recommendations for secondary surgery. There was 1 randomized comparative trial, 4 comparative studies, and 10 single cohort studies. Eight articles used validated speech assessment tools. Our model showed the proportion of patients recommended for secondary surgery varied between techniques, ranging from 0.0% (CI 0.0, 1000) in pharyngeal flap to 17.8% (CI 8.9, 32.5) in straight line repair techniques, but there was no statistically significant difference between treatments ( P = .33). Speech improvement ranged from 44.4% to 100%, with 9 studies recommending secondary surgery for some of their patient series. Conclusions: Although not of statistical significance, pharyngeal flap yields the lowest rate of reoperation as a primary technique for pediatric patients with nonsyndromic SMCP. Delayed repair age inherent to SMCP may render operations that rely on a functional levator muscle with less favorable outcomes. The absence of standardized surgical techniques, speech outcomes, speech therapy, and assessment make comparative analysis and recommendation difficult. We advocate for standardized speech assessment tools to improve future quantitative assessment of cleft surgery outcomes and a randomized controlled trial to better elucidate the preferred first-line technique.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».