MétaCan
Menu
Retour à la cohorte
Enregistrement W4404417144 · doi:10.3390/curroncol31110531

Soft Tissue Reconstruction and Integration to Implant After Bone-Tumor Resection: A Current Concept Review

2024· review· en· W4404417144 sur OpenAlexvenueno aff
Elisa Pesare, Raffaele Vitiello, Tommaso Greco, Giuseppe Solarino, Giulio Maccauro, Antonio Ziranu

Notice bibliographique

RevueCurrent Oncology · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueSarcoma Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineSoft tissueResectionImplantSurgery

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: With the advancements in chemotherapy for malignant bone tumors, the number of patients eligible for limb salvage surgery has increased. Surgeons face a subsequent challenge in limb-sparing resection due to the need for reconstructing soft tissue coverage. The aim of this review is to focus on the present state of the field in these areas, highlighting recent advancements. METHODS: A literature research was conducted using keywords such as "soft tissue", "integration", "reconstruction", "megaprosthesis", and "soft tissue coverage", on different databases, and following the Preferred Reporting Items for Systematic Reviews and Meta-analyses (PRISMA) criteria, a total of 35 studies were selected. RESULTS: In recent times, there has been a growing emphasis on different techniques such mesh application, allograft-prosthesis composites, allograft reconstruction, a polyethylene terephthalate (PET) tube, prosthesis itself and certain metals utilized for implant coatings are used in soft tissue reconstruction. CONCLUSION: While tissue-engineered constructs and advancements in biological and cellular approaches have shown potential for enhancing osseointegration and interactions with soft tissues and implants, the actual clinical outcomes have frequently fallen short of expectations. The success of soft tissue integration is crucial for achieving functional outcomes, minimizing complications, and ensuring the long-term stability of orthopedic implants.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,006
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,136
Tête enseignante GPT0,475
Écart entre enseignants0,340 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetSarcoma Diagnosis and TreatmentTravaux en français237 207