Defining the Safe Entry Point in Deep Plane Facelifting with Novel Landmark for the Buccal Branch of the Facial Nerve
Notice bibliographique
Résumé
Background: In deep facial surgery, accurate preoperative landmarking of branches of the facial nerve is helpful in avoiding inadvertent facial nerve injury. The objective of our study was to determine the accuracy at which the intersection point of two bisecting lines that join facial surface landmarks can be used to accurately locate the buccal branch(es) of the facial nerve, specifically at the deep plane entry point (ie, intercept landmark). Methods: Thirty-three cadavers were dissected to determine the position of the buccal rami relative to the intercept. Results: Buccal rami crossed the intercept in 12.12% of specimens (0 mm from intercept, n = 4). Buccal rami passed superiorly in 66.67% of specimens (3.71 ± 3.28 mm from intercept, n = 7) and inferiorly in 21.21% of specimens (2.44 ± 0.92 mm from intercept, n = 7). Noteworthy, buccal rami were located within 1 cm of the intercept landmark with 96.97% accuracy (32/33 cadavers). Conclusions: These data suggest that this novel intercept (1) reliably locates the buccal branch of the facial nerve as it courses distal to the parotid gland, and (2) helps define a "safe zone" for entry into the deep plane where the likelihood of encountering the facial nerve is extremely low.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».