Tension Reduction With Force Modulating Tissue Bridges Reduces Wounds in Breast Surgery
Notice bibliographique
Résumé
BACKGROUND: Tension on healing wounds increases the risk of dehiscence and poor or pathologic scar formation. Force modulating tissue bridges (FMTBs) represent a new class of wound closure and support devices designed to offload tension on healing wounds to improve wound healing and scar outcomes. OBJECTIVES: The study was undertaken to assess the efficacy of FMTBs to reduce the risk of wound healing complications in elective breast surgery. METHODS: One hundred twenty-two consecutive patients undergoing bilateral aesthetic breast surgery underwent intraoperative placement of FMTBs on the vertical limb closure site. A matched case-control cohort of 121 consecutive patients was established for comparison. Wounds were considered significant if larger than 3 mm in diameter. The primary outcome of breast wounds >3 mm was reported with a relative risk, and all outcomes were framed with number needed to treat. RESULTS: The control and intervention cohorts had similar demographics, comorbidities, type of operation, and incision pattern utilized. Within the FMTB group, 96.7% (n = 118) patients completed treatment per protocol. Significant wounds occurred in 1.7% (n = 2) of patients in the tissue bridge vs 15.2% (n = 19) in controls on a per patient/per protocol basis (89% reduction, P < .001). Statistically significant improvements were maintained on sensitivity analyses with intention to treat, even when minor wounds were included. There were no complications noted related to FMTBs. CONCLUSIONS: FMTBs are safe and highly effective at reducing the risk of wound formation in elective breast surgery. Results are consistent with sensitivity analyses based on clinical and methodological factors. Further research will assess long-term scar outcomes.
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 | 0,001 | 0,001 |
| 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 ».