Morselized Bone Graft: A Tool for Nasal Dorsum Refinement and Camouflaging
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Refining the nasal dorsum to achieve a smooth and natural contour remains challenging, particularly in patients with thin skin who are prone to visible surface irregularities. Numerous techniques have been described to address these issues, including diced cartilage, fascial or dermal grafts, and synthetic implants. Objectives: This study evaluates the outcomes of using morselized bone grafts (MBG), specifically, autologous bone rasp material that is typically discarded, as a method for nasal dorsum contour refinement. Methods: A retrospective review was conducted of consecutive rhinoplasty procedures performed by the senior author between January 2021 and June 2022. Patients who underwent dorsal contouring with MBG and had at least 12 months of follow-up were included. The primary outcomes were postoperative infection and the need for revision surgery. Results: A total of 953 patients met inclusion criteria. The mean patient age was 31.6 ± 11.3 years, and the mean follow-up duration was 23.5 ± 8.7 months. Postoperative infections occurred in 26 patients (2.7%), all of which resolved with antibiotic therapy. Sixteen patients (1.7%) required operative revision. Conclusions: The use of MBG harvested from bone rasp material provides a safe and efficient option for achieving dorsal nasal smoothness and camouflaging minor contour irregularities in both primary and revision rhinoplasty. Additionally, MBG use is an efficient alternative to other techniques for addressing dorsal esthetics, specifically camouflaging minor irregularities, with no additional donor-site morbidity when paired with boney dorsal reduction.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découle