Patient Factors That Impact FACE-Q Aesthetics Outcomes: An Exploratory Cross-sectional Regression Analysis
Notice bibliographique
Résumé
BACKGROUND: The FACE-Q Aesthetics is a validated tool for assessing patient-reported outcomes related to surgical and nonsurgical facial aesthetic treatments. Recognizing patient-specific variables that may influence FACE-Q scores is essential to control for potential confounders in research. OBJECTIVES: This study aimed to identify factors that predict FACE-Q Aesthetics scale scores. METHODS: A cross-sectional survey was conducted among an international cohort of participants recruited through the Prolific platform. Participants aged 20 years or older, who had undergone noninvasive facial aesthetic procedures within the past year, were included. Demographic and clinical information was collected, and univariable and multivariable linear regression analyses were employed to assess predictors of FACE-Q Face Overall, Psychological, and Social scale scores. RESULTS: A total of 1259 participants were analyzed, with an average age of 42.6 years (±11.9). The mean scores were 52.4 (±18.3) for the Face Overall scale, 56.5 (±23.7) for the Psychological scale, and 62.7 (±24.0) for the Social scale. Several factors were significantly associated (P < .05) with higher scores, including lower BMI, African American ethnicity, male gender, Fitzpatrick skin Type V, residence in the United States, financial stability, and residual effects of previous aesthetic treatments. Younger participants were more likely to report higher Face Overall scores (P < .05). CONCLUSIONS: This study identified several patient characteristics that predict Face Overall, Psychological, and Social scale scores. These findings offer valuable insights into how patient-specific factors influence outcomes following facial aesthetic procedures and underscore the need to account for these variables in future research using the FACE-Q Aesthetics tool.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 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 | 0,001 |
| 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 ».