A Multifactorial Analysis to Identify Predictors of Implant Failure and Peri‐Implant Bone Loss
Notice bibliographique
Résumé
OBJECTIVE: To identify risk factors for failure and bone loss of implants in a large study sample on the basis of multivariate analyses. MATERIALS AND METHODS: Patient files of all patients referred for implant treatment from November 2004 to December 2007 were scrutinized, and information on implant- and patient-related factors was collected. The study sample in this retrospective cohort study consisted of both partially dentate and fully edentulous patients referred for various indications. The only inclusion criterion was a follow-up of at least 2 years. Implant survival and bone loss were assessed by an external investigator (SV) comparing digital periapical radiographs taken during recall visits with the postoperative ones. Univariate and multivariate tests were adopted to identify possible risk indicators for implant failure and peri-implant bone loss. RESULTS: Twenty-one of 1,320 (1.6%) implants were lost in 19 of 376 (5.1%) patients (210 female, 166 male; mean age 56, range 17-82) after a mean follow-up of 32 months (range 24-62). Based on multivariate analysis, only smoking (p = .001) and recall compliance (p = .010) had a significant influence on implant failure, with smokers more prone to failure. The overall mean bone loss was 0.36 mm (SD 0.68, range 0.00-7.10). Smoking (p = .001) and jaw of treatment (p = .001) affected peri-implant bone loss. More peri-implant bone loss was observed in smokers and in the maxilla. A clear discrepancy was found between univariate and multivariate analysis with regard to identification of risk factors. CONCLUSION: Multivariate analysis demonstrated that implant-related factors did not affect the clinical outcome, but smoking was identified as a predictor for implant failure. Predictors for peri-implant bone loss were smoking and jaw of treatment.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».