Ultrasound Guidance for Botulinum Toxin Injection of Muscles Innervated by the Facial Nerve: A Systematic Review of Anatomical Precision, Safety, and Outcomes
Notice bibliographique
Résumé
Botulinum toxin type A (BoNT-A) chemodenervation is commonly used for facial synkinesis and aesthetic indications, but landmark-based techniques are limited by anatomical variability and risk of off-target delivery. High-resolution ultrasound (US) can be used to enhance precision and safety. This systematic review explores the role of US-guided BoNT-A facial chemodenervation in evaluating anatomical accuracy, clinical efficacy, complications, and patient satisfaction. A comprehensive search of 6 databases through April 2025 identified studies assessing US-guided BoNT-A chemodenervation for facial indications. Sixteen studies were included, comprising randomized controlled trials, prospective cohorts, cadaveric trials, and anatomical mapping investigations. Data on injection accuracy, clinical outcomes, adverse events, and patient-reported measures were extracted. Risk of bias was assessed using validated tools. US guidance improved injection accuracy, with cadaveric trials demonstrating up to 88% accuracy, whereas landmark-based techniques reported 50%. Clinical studies reported improvements in rhytid reduction, oral commissure elevation, neck relaxation, and facial symmetry. Adverse events were infrequent and mild. Patient satisfaction was consistently higher with US guidance. Anatomical studies identified muscle depth variation and vascular risk zones, supporting real-time sonographic targeting. As a result, the authors found that US-guided BoNT-A chemodenervation improves the safety, precision, and outcomes and should be considered in both therapeutic and aesthetic applications. Level of Evidence: 3 (Therapeutic).
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».