Patient-reported outcomes and morbidity after head and neck reconstructions: An evaluation of fibular and scapular free flaps
Notice bibliographique
Résumé
BACKGROUND: Fibular (FFF) and scapular free flaps (SFF) are versatile tissue transfers for head and neck reconstruction. However, their relative morbidity has been sparsely studied. The primary goal of this study was to evaluate the morbidity and patient-reported outcome measures of these two reconstructive options. MATERIALS AND METHODS: Case series of patients from 2017 to 2020 who underwent a FFF or SFF for head and neck ablation. Demographic and surgical outcome measures, such as Charlson Comorbidity Index (CCI), anesthetic time, donor site morbidity, and perioperative morbidity score (POMs) were extracted. Patients were contacted to complete the Decision Regret Scale (DRS), University of Washington Quality of Life (UW-QoL), Oral Health Impact-14, and limb specific functional outcome measures. Statistical analyses included a linear regression. RESULTS: In total, 97 FFF (mean age 58.5, 62.9% male) and 55 SFF (mean age 64.8, 63.6% male) were included. Total surgical time was higher in the SFF group (p < 0.05) and they had more comorbidities (p < 0.01). SFF patients had lower POM scores on post-operative day three (p < 0.05) while FFF patients scored better on the UW-QoL Physical Domain (p < 0.01). The DRS for both groups (FFF mean DRS 22.7, SFF mean DRS 19.2) was similar. When adjusted for patient morbidity, however, the SFF group had less decisional regret (p < 0.05). CONCLUSION: This is the largest comprehensive evaluation of patient-reported outcome measures for FFF and SFFs. SFFs required longer surgical times but had less early morbidity than FFFs. Patients who underwent either reconstructions reported mild decisional regret, proving these are generally well tolerated procedures.
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 ».