Early Patient‐Reported Outcomes as Predictors of Long‐Term Scar Satisfaction: An Exploratory Cohort Study
Notice bibliographique
Résumé
ABSTRACT Early prediction of long‐term scar outcomes is essential for guiding clinical decision‐making and improving patient satisfaction. This study investigates whether 3‐month patient‐reported outcomes (PROs) using SCAR‐Q domains—psychosocial, appearance and quality of life (QoL)—predict 12‐month outcomes, and how these relate to objective scar measures. A prospective cohort of 20 female patients undergoing various surgical procedures completed SCAR‐Q and Patient and Observer Scar Assessment Scale (POSAS) evaluations at 3 and 12 months postoperatively. Correlation and linear regression analyses assessed associations and predictive validity between early and late scar outcomes. SCAR‐Q QoL scores demonstrated strong predictive validity ( R 2 = 0.49, p < 0.001; ρ = 0.70, p < 0.001), whereas psychosocial and appearance domains showed weak, nonsignificant associations ( R 2 = 0.12 and 0.10, respectively; p > 0.1). Objective scar characteristics—particularly width and height—were significantly correlated with poorer 12‐month appearance and psychosocial scores (e.g., ρ = −0.743 for height vs. appearance, p < 0.001; ρ = −0.605 for width vs. psychosocial, p = 0.0047). In point‐biserial correlations, wider and taller scars at 3 months were more likely to be rated as ‘bad’ at 12 months ( r ≥ |0.53|, p ≤ 0.016). POSAS and overall opinion scores also significantly improved over time ( p < 0.05), but some patients reported increased appearance‐related distress despite objective improvements. In conclusion, early QoL assessments reliably predict long‐term outcomes, while appearance and psychosocial perceptions may shift over time. These findings support routine use of PROs in early postoperative care to inform personalised interventions and optimise scar management.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».