The Incidence of Malignant and High-Risk Pathology Findings in Postreduction Mammaplasty Patients
Notice bibliographique
Résumé
Introduction: Reduction mammaplasty is often performed to alleviate symptoms of macromastia or for symmetry after a lumpectomy in the contra-lateral breast. Abnormal pathology including breast cancer can be incidentally found in reduction mammaplasty specimens, but there is no consensus on risk factors or detection rates. This study aimed to elucidate the incidence of malignant and high-risk pathology findings in patients undergoing breast reduction in a Canadian context. Methods: We conducted a retrospective review of all reduction mammaplasty cases performed by 5 surgeons between January 2001 and May 2023. Patients were categorized into Group A, those undergoing bilateral reduction for macromastia symptoms, and Group B, those with a history of breast-conserving surgery seeking unilateral reduction postlumpectomy. Results: In total, 1383 breasts from 872 patients were examined: 1022 in Group A and 361 in Group B. Group B was significantly older (56.9 ± 9.3 vs 44.0 ± 13.9 years) whereas Group A had a significantly higher BMI (33.1 ± 8.4 vs 30.1 ± 5.8). High-risk and malignant pathology incidence was 1.4% overall. The sole malignancy detected was in a patient in Group A without prior breast cancer history. Multivariate analysis revealed BMI as a significant predictor for high-risk pathologies (OR 1.134, 95% CI [1.012-1.271]). Conclusions: Our findings align with previously reported incidence rates of pathological findings in mammaplasty specimens and highlight the correlation between BMI and pathology risk. These results underscore the importance of a comprehensive history and preoperative counselling about the possibility of further treatment following pathological discoveries during reduction mammaplasty.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».