摘要:鼻唇沟皮瓣是常用的局部皮瓣修复方法，可用于修复外鼻缺损。通过选择鼻唇沟区皮肤作为修复材料，可以获得较为满意的面部形态和美学效果，因为该区域的皮肤与邻近的外鼻皮肤在色泽、质地和类型上相似。鼻唇沟皮瓣的分区修复方式包括鼻唇沟推进瓣、易位瓣、折叠瓣、瓦合瓣、岛状瓣和双瓣等。在修复鼻侧面或鼻翼缺损时，根据创面大小可选择推进瓣、易位瓣、瓦合瓣或岛状瓣等方法；针对鼻翼及前鼻孔等部位的洞穿型缺损，可选择鼻唇沟折叠瓣及瓦合瓣；针对鼻下部的组织缺损，可选择鼻唇沟双瓣进行修复。在选择适合的鼻唇沟瓣类型和分区修复方式时，术者需要综合考虑多个因素，包括缺损程度和位置、血供情况、组织可塑性以及术后外观和功能要求等。

摘要:目的 通过CT影像分析，探究儿童鼻骨骨折的影像学特点，为制定个性化儿童鼻骨骨折诊疗方案提供依据。方法 回顾性总结2016年1月—2021年5月在上海交通大学医学院附属第九人民医院耳鼻咽喉头颈外科就诊的285例儿童鼻骨骨折患者，其中男191例，女94例，年龄7个月至14岁，平均年龄（8.52±3.51）岁。将研究对象按年龄分为学龄前组（0～5岁），小学组（6～11岁），初中组（12～14岁），由影像科收集DICOM格式的CT影像数据，使用Mimics软件对CT影像进行三维重建，分析以上患者鼻骨骨折的特点，统计面中部其他骨骨折的发生率，并提出一种新的基于CT影像的儿童鼻骨骨折分类方法。结果 统计285例患者中，学龄前组患儿69例（24.21%）、小学组患儿145例（50.88%），初中组患儿71例（24.91%）；其中单纯型鼻骨骨折210例（73.68%），复合型鼻骨骨折75例（26.32%）。根据上述患者的CT影像，分析儿童鼻骨骨折的影像学特点，将儿童鼻骨骨折分为4种类型，其中Ⅰ型为单纯鼻骨骨折无移位，只见骨折线34例（11.93%），Ⅱ型为单纯鼻骨骨折有移位176例（61.75%），Ⅲ型为合并1种面中部其他骨骨折的鼻骨骨折70例（24.57%），Ⅳ型为合并两种及以上面中骨骨折的鼻骨骨折5例（1.75%）。结论 影像学分析儿童鼻骨骨折特点和鼻骨骨折分型方法，骨折的匹配度更高，可以更好地评估儿童鼻骨骨折的情况，并对儿童鼻骨骨折的个性化治疗有一定的指导作用。

摘要:目的 探究内鼻阀(INV)的重要参数包括单侧INV面积(AINV-R、AINV-L)、INV总面积(AINV)、单侧INV高度(HINV-R、HINV-L)、单侧INV底线长度(WINV-R、WINV-L)、单侧INV角(αINV-R、αINV-L)和INV角之和(αINV)之间的相关关系。方法 选取40例无鼻部疾病及症状汉族成年人的颌面部三维CT的数据资料，其中男20例，女20例；年龄20~80岁，平均年龄(47.05±17.82)岁。以重建鼻腔气流三维模型,定位INV并测量其重要参数。根据INV的形态特点，构建预测模型：单侧AINV=WINV×HINV/2=tan[radians(αINV)]×(HINV)2/2，比较计算值与实测值并分析二者的相关性，并进一步作INV静态参数之间以及其与左右侧别、年龄和性别的相关性分析。结果 AINV-L的实测值与计算值无统计学差异且相关性强(Z=-1.075，P＞0.05；r=0.766 2，P＜0.01)，AINV-R的实测值与计算值无统计学差异且相关性极强(t=-1.238，P＞0.05；r=0.818 2，P＜0.01)。AINV的实测值与计算值无统计学差异且相关性极强(Z=-1.156，P＞0.05；r=0.799 3，P＜0.01)。比较左右两侧的INV参数可知，AINV-R较AINV-L偏大，差异具有统计学意义(t=-3.081、-2.029，P＜0.05)。比较男性及女性的INV参数可知，男性的AINV-L、AINV-R及AINV较女性偏大，差异具有统计学意义(t=-2.405、-3.336、-3.297、-4.223及-4.041，P＜0.05)，AINV-L与HINV-L、AINV-R与HINV-R间呈正相关(r=0.619 4、0.7101,P＜0.01)。比较不同年龄组间的INV参数可知，＜50岁人群的AINV-L及AINV较≥50岁人群的偏大(t=3.694、3.131，P＜0.01)，AINV-L、AINV与年龄呈负相关(rs=-0.519 8、-0.433 1,P＜0.01)。这种负相关可能与年龄增长过程中αINV-L的减小有关，相关分析提示αINV-L与年龄呈负相关(r=-0.374 7，P＜0.05)。进一步比较不同年龄组内的左右两侧INV参数，发现：＜50岁人群的αINV-L及αINV-R、AINV-L及AINV-R无统计学差异，然而≥50岁人群的αINV-R较αINV-L偏大、AINV-R较AINV-L偏大(Z=-2.726、-2.987，P＜0.01)。相关分析提示:αINV R-L与年龄呈正相关(r=0.342 8，P＜0.05),AINV R-L与αINV R-L呈正相关(r=0.710 9，P＜0.01),AINV R-L实测值与AINV R-L计算值呈正相关(r=0.779 5，P＜0.01)。结论 本研究提出预测模型单侧AINV=WINV×HINV/2=tan[radians(αINV)]×HINV2/2并进行验证，计算值与实测值无统计学差异且相关性强。该模型还可用来解释不同侧别、性别及年龄分组间的INV静态参数差异,并补充AINV-L、AINV、αINV-L与年龄呈负相关。