Prevalence, Severity Patterns and Risk Factors of Bronchopulmonary Dysplasia in Preterm Infants Younger than 32 Weeks of Gestation in a Tertiary Centre in Oman
Notice bibliographique
Résumé
Objectives: Cranioplasty is a complex craniofacial and neurosurgical procedure that aims to reinstate the architecture of the cranial vault and elevate both its aesthetic and neurological function. Several reconstructive materials have been thoroughly explored in the search for the optimal solution for cranioplasty. This study aimed to evaluate different material used for cranial reconstruction in Oman. Methods: This retrospective study included all patients who had had cranioplasty procedures performed at Khoula Hospital, Muscat, Oman, from 2012 to 2022. Demographic information, the characteristics of the cranial defect and any complications that occurred post-operatively were analysed. Results: A total of 47 patients were included in this study. The most common cause of cranial defects was craniectomy following traumatic head injury (70.2%) along with excision of fibrous dysplasia (10.6%). The most frequently utilised material for cranial repair was autologous bone grafts (n = 28), followed by polyetheretherketone (PEEK; n = 14). Interestingly, the replacement of bone grafts from previous craniectomy showed a notably high resorption rate (71.4%), in contrast to split calvarial grafts (0%) and other types of bone grafts (14.3%). Additionally, delayed graft infection was observed in 3.6% of the bone graft group and 7.1% of the PEEK group. Conclusion: Patient-specific alloplastic implants such as PEEK have gained popularity for large and complex cranioplasty, as they provide excellent aesthetic outcomes and leave no donor site morbidity. In contrast, bone grafts remain the gold standard for small to medium-sized cranial defects.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».