MétaCan
Menu
Retour à la cohorte
Enregistrement W4309646850 · doi:10.1055/s-0042-1750127

Planes for Perforator/Skin Flap Elevation—Definition, Classification, and Techniques

2022· review· en· W4309646850 sur OpenAlexaff
Jin Geun Kwon, Erin Brown, Hyunsuk Peter Suh, Changsik John Pak, Joon Pio Hong

Notice bibliographique

RevueJournal of Reconstructive Microsurgery · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueReconstructive Facial Surgery Techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésElevation (ballistics)MedicinePerforator flapsDebulkingSurgeryAnatomyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Elevation in different layers achieving thin flaps are becoming relatively common practice for perforator flaps. Although postreconstruction debulking achieves pleasing aesthetic results and is widely practiced, customized approach during elevation to achieve the ideal thickness will increase efficiency while achieving the best possible aesthetic outcome. Multiple planes for elevation have been reported along with different techniques but it is quite confusing and may lack correspondence to the innate anatomy of the skin and subcutaneous tissue. METHODS: This article reviews the different planes of elevation and aims to clarify the definition and classification in accordance to anatomy and present the pros and cons of elevation based on the different layers and provide technical tips for elevation. RESULTS: Five different planes of elevation for perforator flaps are identified: subfascial, suprafacial, superthin, ultrathin, and subdermal (pure skin) layers based on experience, literature, and anatomy. CONCLUSION: These planes all have their unique properties and challenges. Understanding the benefits and limits along with the technical aspect will allow the surgeon to better apply the perforator flaps.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,002
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,116
Tête enseignante GPT0,354
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Reconstructive MicrosurgeryMême sujetReconstructive Facial Surgery TechniquesTravaux en français237 207