Patient-Reported Outcomes After Reduction Mammoplasty Using BREAST-Q: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: The BREAST-Q questionnaire reduction module is an established tool for outcomes after reduction mammoplasty. OBJECTIVES: This systematic review and meta-analysis assess key parameters affecting pre- and postoperative scores, with specific foci on patient characteristics and tissue resection weights. METHODS: This study was conducted per PRISMA guidelines. PUBMED (National Institutes of Health; Bethesda, MD), Google Scholar (Google; Mountain View, CA), and Web of Science (Clarivate Analytics; Philadelphia, PA) were searched. All studies published before August 1, 2021, were assessed for eligibility by 2 independent reviewers. Inclusion criteria were prospective or retrospective studies in 6 languages that reported quality of life after reduction mammoplasty employing the BREAST-Q questionnaire reduction module. Quality of included studies was assessed employing the Newcastle-Ottawa-Scale. Analysis was performed per Cochrane Collaboration and the Quality of Reporting of Meta-analyses guidelines. RESULTS: A total of 28 papers were included in the systematic review, 13 for preoperative meta-analysis, and 17 for postoperative meta-analysis. Postoperative scores in all 3 quality of life domains (psychosocial, physical, and sexual well-being) and satisfaction with breasts increased significantly after reduction mammoplasty compared with preoperative scores. Satisfaction with breasts showed the greatest improvement, from 22.9 to 73.0. Preoperative scores were lower than normative data, with improvement to comparable scores as the healthy population postoperatively. Improvements in BREAST-Q scores did not correlate with patient comorbidities, complication rates, or amount of breast tissue resected. CONCLUSIONS: Reduction mammoplasty provides marked improvement in BREAST-Q patient-reported quality of life as well established in literature. However, these improvements do not correlate with tissue resection weights, warranting further inquiry of insurance-defined resection requirements.
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 | 0,016 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,034 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».