Use of industrial liquid silicone: a scoping review
Notice bibliographique
Résumé
PURPOSE: Illicit cosmetic injections remain highly prevalent and can cause serious complications, including death. We aimed to explore existing literature regarding the use of illicit cosmetic injections globally. METHODS: We searched six databases with no language restriction from inception to 2022. We included all articles focused on adult patients of any gender who received any illicit cosmetic injection. Screening and data extraction followed standards from the Preferred Reporting Items for Systematic Reviews and Meta-Analysis Extension for Scoping Reviews guidelines. RESULTS: After screening 629 abstracts and 193 full texts, 142 citations were included. We identified articles from 28 countries and three multi-country studies. Most were from high-income (75.3%) and upper-middle-income countries (21.8%). Of all patients whose gender identity was described, 49.9% were transgender women, and 40.8% were cisgender women. The anatomic regions most frequently injected were the buttocks (35%) and the breast (13.3%). The most frequently described complications were granuloma (41.5%), dermatological problems (41.5%), infection (35.9%), and pulmonary complications (34.5%). CONCLUSIONS: We observed the impact of illicit silicone injections, particularly on cisgender women and transgender individuals. Existing barriers must be addressed, including healthcare prejudice and inadequate knowledge about care for gender minorities. This will require educating at-risk groups and enhancing policies to regulate these procedures.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| 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 | 0,001 | 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 ».