MétaCan
Menu
Retour à la cohorte
Enregistrement W4414379764 · doi:10.12775/jehs.2025.81.65415

Aesthetic Medicine Procedures in Cancer Survivors – A Literature Review

2025· article· en· W4414379764 sur OpenAlexaboutno aff
Katarzyna Skibicka, Albert Jaśniak, Weronika Wesołowska, Jarosław Pietrzak

Notice bibliographique

RevueJournal of Education Health and Sport · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueEmpathy and Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychosocialPsychological interventionSurvivorship curveQuality of life (healthcare)CancerAdverse effectMEDLINEMultidisciplinary approach

Résumé

récupéré en direct d'OpenAlex

Background: Advances in oncology have significantly increased long-term survival rates, creating a growing need to manage persistent physical and psychosocial consequences of treatment in cancer survivors, including scarring, alopecia, pigmentation changes, and tissue damage. Objective: To systematically review literature on aesthetic medicine procedures in cancer survivors, evaluating therapeutic potential, safety, and clinical implications. Methods: A systematic search was conducted in PubMed, Embase, and Cochrane Library (January 2000 – March 2025). Keywords included “cancer survivor,” “aesthetic medicine,” “botulinum toxin,” “fillers,” “platelet-rich plasma,” and “laser therapy.” Eligible studies included clinical trials, cohort studies, case series, and reviews reporting outcomes of aesthetic interventions in oncology patients. Two independent reviewers screened 356 records; 34 studies were included. Quality assessment used GRADE and Newcastle-Ottawa Scale. Results: Interventions included botulinum toxin (n=8), fillers (n=9), platelet-rich plasma (n=6), laser therapy (n=7), and scalp cooling (n=4). Procedures were generally safe, with mild and transient adverse events, and were associated with improvements in quality of life, self-image, and functional recovery. Conclusions: Aesthetic medicine procedures can be a valuable adjunct in survivorship care. Multidisciplinary collaboration and evidence-based protocols are recommended.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,473
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,017
Tête enseignante GPT0,415
Écart entre enseignants0,398 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education Health and SportMême sujetEmpathy and Medical EducationTravaux en français237 207