10.1016/j.bjorlp.2019.08.004
Bibliographic record
Abstract
Resumo Introdução: O enxerto de extensão caudal é geralmente um enxerto de cartilagem que se sobrepõe à margem caudal do septo nasal. Uma combinação do enxerto de extensão caudal e a técnica de tongue-in-groove é usada para estabilizar a base nasal, definir a projeção da ponta e refinar a relação alar-columelar. Objetivo: Apresentar algumas novas modificações na colocação dos enxertos de extensão caudal na rinoplastia. Método: Revisão retrospectiva de um banco de dados prospectivamente coletado de 965 pacientes que se submeteram a rinosseptoplastia de junho de 2011 a julho de 2015. Desses, 457 pacientes necessitaram de enxerto de extensão caudal e foram incluídos no estudo. O seguimento mínimo foi de 13,2 meses, com tempo médio de seguimento de 17,4 meses. Resultados: Na maioria dos casos, a comparação das fotografias antes e após a cirurgia foi satisfatória e apresentou melhora do contorno. Pequenas deformidades foram detectadas em 41 pacientes e 11 pacientes necessitaram de cirurgia de revisão. Conclusão: Com essas modificações, o cirurgião pode usar o enxerto de extensão caudal mesmo em desvios angulares do septo caudal. Vários métodos têm sido propostos para correção do desvio septo-caudal.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.004 | 0.002 |
| Insufficient payload (model declined to judge) | 0.590 | 0.528 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; the direct Gemma label and the distilled Codex classifier agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".