Increasing Precision When Targeting the Depressor Anguli Oris Muscle With Neuromodulators: An Ultrasound-Based Investigation
Notice bibliographique
Résumé
BACKGROUND: Neuromodulator treatments of the perioral region are increasingly popular and aim to modulate the position of the modiolus. The predominantly targeted muscle is the depressor anguli oris (DAO) which allows for the modiolus to reposition cranially once temporarily relaxed. OBJECTIVES: The aim of this study was to identify the precise anatomic position of the DAO in relation to the marionette line, thereby increasing precision and reducing adverse events during neuromodulator treatments. METHODS: A total of n = 80 DAO muscles were investigated in n = 40 healthy, toxin-naïve volunteers (11 males, 29 females) with a mean [standard deviation] age of 48.15 [15] years and a mean BMI of 24.07 [3.7] kg/m2. The location of the DAO in relation to the labiomandibular sulcus, and its depth, extent, and thickness were investigated with high-frequency ultrasound imaging. RESULTS: The skin surface projection of the labiomandibular sulcus separates the DAO into medial and lateral portions. The distance between skin surface and muscle surface was on average 4.4 mm, with males having a greater distance (P < .001) and higher BMI being an important influencing factor for a greater distance (P < .001). The thickness of the DAO was on average 3.5 mm, with a range of 2.8 to 4.8 mm and with females having thinner muscles compared with males (P < .001). The most favorable injection depth was calculated to be 6.1 mm for intramuscular product placement. CONCLUSIONS: Understanding the perioral anatomy and the influence of age, sex, and BMI will potentially allow injectors to increase the efficacy and duration of neuromodulator treatments while expertly managing adverse events.
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 | 0,000 | 0,000 |
| 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 ».