MétaCan
Menu
Retour à la cohorte
Enregistrement W4410957907 · doi:10.17116/hirurgia202506151

Repeated breast reconstruction after previous complications

2025· article· en· W4410957907 sur OpenAlexaff
V. N. Sipki, M. Yu. Vlasova, E. A. Zanozina, М. В. Старкова, А. D. Zikiryakhodzhaev

Notice bibliographique

RevuePirogov Russian Journal of Surgery · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueReconstructive Surgery and Microvascular Techniques
Établissements canadiensNational Defence Medical Centre
Organismes subventionnairesnon disponible
Mots-clésCapsular contractureMedicineBreast reconstructionSurgeryImplantMastectomyContractureSiliconeStage (stratigraphy)ProsthesisBreast cancerCancerInternal medicine

Résumé

récupéré en direct d'OpenAlex

Objective. To evaluate the effectiveness of repeated breast reconstruction in cancer patients depending on complications after primary reconstruction. Material and methods. There were 117 patients who underwent primary one-stage breast reconstruction with endoprosthesis, autograft and/or their combination. Results. A retrospective analysis included 117 patients who underwent complex treatment in 2017—2021. Surgical treatment (subcutaneous/skin-sparing mastectomy with one-stage reconstruction) was realized at the department of oncology and reconstructive surgery of the breast and skin. Analysis included patients after one-stage reconstruction with silicone endoprosthesis (n=96, 82%), different flaps (n=3, 2.5%), combination of auto- and allogenic materials (n=18, 15.3%). The most common complications were Backer grade III/IV capsular contracture, implant rupture, endoprosthesis protrusion and flap necrosis. The most preferable redo surgery was implant-to-implant replacement (n=58). Of these, there were 40 (68.9%) redo surgeries for Backer grade III/IV capsular contracture, implant protrusion (n=7, 12%) and rupture (n=5, 8.6%). Flap necrosis required flap replacement with implant, flap reduction and implant placement under the flap. Conclusion. Each technique has certain advantages and disadvantages, and the choice of method depends on individual characteristics of each patient.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,264
Écart entre enseignants0,248 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePirogov Russian Journal of SurgeryMême sujetReconstructive Surgery and Microvascular TechniquesTravaux en français237 207