Intraoperative Near-infrared Spectroscopy Can Predict Skin Flap Necrosis
Notice bibliographique
Résumé
Background: The study aimed to validate the previously identified capacity of near-infrared spectroscopy (NIRS) to detect clinically relevant differences in tissue perfusion intraoperatively. Methods: Consecutive patients undergoing oncologic resection requiring flap reconstruction were analyzed. Clinicians were blinded to tissue oxygen saturation (StO 2 ) measurements taken intraoperatively. Measurements were taken at (1) control areas not affected by the procedure, (2) areas at risk of necrosis based on distal location, and (3) areas of skin flap necrosis (SFN) identified during the follow-up period. Mean StO 2 values were compared using a single-sample t test and analysis of variance (ANOVA) to determine differences in oxygenation. Results: There were 102 patients included from April 2018 to May 2019. Reconstruction was undertaken following resection for breast cancer (46), melanoma (35), sarcoma (9), and other cutaneous malignancies (12). Breast reconstruction involved 38 alloplastic reconstructions and eight autologous free flaps. Other skin flap reconstruction involved 42 local/regional skin flaps, 13 pedicled flaps, and one free flap. Eighteen patients (17.6%) developed SFN. Mean intraoperative StO 2 measurements for control areas, areas at risk, and areas of SFN were 74.8%, 70.9%, and 54.3%, respectively. StO 2 values equal to or less than 60% were highly specific (96%) for SFN, whereas StO 2 values above 85% were highly sensitive (96%) to rule out SFN. Conclusion: These results further support the use of NIRS to objectively assess variations in skin flap oxygenation and tissue perfusion that are correlated with the development of postoperative SFN.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».