Nonsurgical Medical Aesthetics and Patient Quality of Life: An Umbrella Review
Notice bibliographique
Résumé
Nonsurgical cosmetic facial procedures have become popular treatment options for individuals seeking aesthetic improvements. Despite a breadth of literature on patient satisfaction with treatment outcomes, there is a lack of information specific to changes in quality of life outcomes. The objective of this umbrella review is to report the effectiveness of nonsurgical facial aesthetic treatments on reported quality of life in cosmetic treatment-seeking patients. The authors also aim to identify gaps in the literature on measures of quality of life outside of patient satisfaction. The authors completed a comprehensive, systematic search of review articles across 6 databases, including Medline, CINAHL Plus, EMBASE, APA PsycINFO, Cochrane Reviews, and Google Scholar. They included review-level studies that examine the changes in quality of life measures following treatment. A critical appraisal was completed for each review article included. A total of 7 reviews were included. One review was of strong quality, 2 moderate, and 4 were weak. Several nonsurgical procedures were evaluated across reviews, including injectable neurotoxins, dermal fillers, and laser skin resurfacing. The majority of included studies reported increases in measures of quality of life, posttreatment in the same patient or compared with controls. The most commonly reported measure was psychological well-being, followed by self-perception. There was a lack of measures outside of improvements to aesthetics, including those specific to mental health (eg, depression). Overall, based on the studies on nonsurgical treatments, the authors report increases in overall quality of life. This conclusion should be interpreted with caution, as the majority of reviews included were of moderate-to-weak quality. A major gap in this literature includes mental health outcomes. Future research should focus on increasing the rigor of reporting for systematic reviews.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,015 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».