Gender affirming penile inversion vaginoplasty and shallow depth vaginoplasty – outcomes based on a shared decision-making model
Notice bibliographique
Résumé
Objective To evaluate and compare postoperative outcomes, complications, and patient satisfaction following penile inversion vaginoplasty (PIV) and shallow depth vaginoplasty (SDV) within a single-center gender-affirming surgical program.Summary background data Vaginoplasty is a feminizing gender-affirming surgery (GAS) for transgender and gender diverse (TGD) individuals. PIV is a well-established technique, while SDV provides an alternative for those not desiring a neo-vagina.Methods A retrospective cohort study included 122 patients undergoing PIV (83.6%, n = 102) or SDV (16.4%, n = 20) between 2019 and 2024 at an academic program. Data on demographics, intraoperative and postoperative complications, and patient-oriented outcomes were analyzed. Thematic analysis identified preoperative goals. Statistical tests included Mann-Whitney U, Chi-squared, and multivariable logistic regression.Results SDV patients were older (mean age: 44.7 vs. 33.2 years; p = 0.006) and had more comorbidities. These were not associated with adverse outcomes in the PIV group. Alleviation of gender dysphoria was the most frequently reported surgical goal preoperatively, followed by themes related to sexual function, esthetics, and presence or absence of a vaginal canal. Surgical choice aligned with initial patient preference in 99.2% of cases. Complications were more frequent in PIV than SDV (Clavien-Dindo ≥2, 46% vs. 10%; p < 0.001), wound dehiscence (34.3% vs. 10%; p = 0.034) and hyper-granulation (55% vs. 5%; p < 0.001). Despite shorter follow-up, SDV was associated with fewer short-term complications and comparable satisfaction rates to PIV (95%, 82% p = 1).Conclusions PIV and SDV are both surgeries with comparable safety and satisfaction rates within the 1st year. SDV is a surgical alternative that offers a less complex recovery pathway, pursued by patients for individual gender affirming reasons. Shared decision-making enhances patient autonomy and may contribute to optimizing postoperative outcomes.
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 | 0,014 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».