Midsagittal Facial Tissue Thicknesses of Children and Adolescents from the Montreal Growth Study
Notice bibliographique
Résumé
Knowledge of changes in soft tissue depths during growth and development is important in applied contexts of forensics and dentistry as well as in growth research. In forensics, applications include facial reproductions, video superimpositions, and child aging/progressions. Garlie and Saunders (1) recently published radiographic data from the Burlington Canadian growth study; here, we present data from a mixed longitudinal sample of French-Canadian children and adolescents. Females (N = 159) range in age from 6 to 18 years: males (N = 129), from 6 to 19 years. Cephalometric measurements include nine soft tissue thicknesses, two hard tissue distances (sella-nasion and nasion-menton), and three measures of nasal projection. Several tissue thicknesses are moderately correlated with one another. The majority of thicknesses show significant sex differences by the time of adolescence; nasion and upper labial thicknesses are significantly different by sex at all ages from 6 to 18 years, as are the two hard tissue distances. However, thickness at nasion, as well as at glabella, changes little over time. Thickness at pogonion is variable and differs most between males and females at age 16; the length of the anterior inferior portion of the nose is significantly different between the ages of 6 and 12. Measurements display small and slow changes during development. The greatest average change per year (c. 2 mm/yr) is for a hard tissue measure, nasion-menton. The nasal and mid-philtrum regions have greater age changes than do other soft tissue variables. Much of the variation remains unexplained by changes with age or differences between sexes.
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 | 0,000 | 0,001 |
| 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 ».