3-Dimensional Simulation for Breast Augmentation: Does the Software Actually Work?
Notice bibliographique
Résumé
BACKGROUND: Recent advances in 3-dimensional (3D) imaging, such as the Vectra XT 3D imaging system (Vectra; Canfield Imaging Systems), have enabled simulations for breast augmentation. These simulations are popular and valuable in preoperative consultations, but no studies have evaluated the system's predictive volume accuracy with a large sample size or explored the patient-specific and surgical factors influencing these simulations. METHODS: A prospective cohort study was conducted on patients undergoing breast augmentation simulations with Vectra between January of 2021 and December of 2022. Predictive volumetric accuracy was analyzed with a ±10% precision threshold and Bland-Altman visualization. Linear breast measurements were compared using mean and median absolute error analysis, and a generalized linear model with generalized estimating equations was used to identify factors affecting volume prediction accuracy. RESULTS: The study included 78 patients (154 breasts). Accurate predictions (±10% error) were achieved in 73% of cases, with an average margin of error of 7.52%. The most accurate measurement was sternal-nipple ( P = 0.64) and the least accurate measurement was nipple-inframammary fold ( P = 0.001). Factors influencing prediction accuracy included pregnancy history, preoperative breast volume, and implant volume. CONCLUSIONS: Vectra accurately predicts postoperative breast volumes within a 10% margin of error, although precision decreases with larger breasts (greater than 650 cc). Patient-specific factors, such as pregnancy history and preoperative breast characteristics, should guide preoperative consultations. The system enhances patient education, shared decision-making, and participation in care, reinforcing its value in preoperative planning for breast augmentation.
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 | 0,022 | 0,110 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».