Assessing the Nasal Midline in Rhinoplasty: How Good Are We?
Notice bibliographique
Résumé
BACKGROUND: The challenge of assessing nasal alignment and asymmetry can contribute to high revision rates in rhinoplasty. Comparing to a validated computer algorithm for nasal alignment, the accuracy with which plastic surgeons can assess deviation of the nasal midline from the facial midline was measured. METHODS: Using 20 faces from the Binghamton University 3-dimensional face database, deviation was evaluated from facial midline of the middorsal line for the upper, middle, and lower thirds of the nose. Surgeons were asked to assess extent of deviation from facial midline for each third of the nose using a linear analog scale. Spearman correlations were performed comparing the surgeons' results to the algorithm measurements. Eleven residents and 9 consultant surgeons were tested. RESULTS: Surgeons' assessment of deviation correlated poorly with the algorithm in the upper third ( r =0.32, P <0.0001) and moderately in the middle third ( r =0.49, P <0.0001) and lower third ( r =0.41, P <0.0001) of the nose. No difference in accuracy was found between trainee and consultant surgeons ( P =0.51), and greater experience (>10 y performing nasal surgery) did not significantly affect performance ( P =0.15). The effect of fatigue on the accuracy of assessment was found to be significant ( P =0.0009). CONCLUSIONS: Surgeons have difficulty in visually assessing the 3-dimensional nasal midline irrespective of experience, and surgeon fatigue was found to be adversely affect the accuracy of assessments.
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 | 0,011 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».