Comparison of various treatments for sleep bruxism using determinants of number needed to treat and effect size.
Notice bibliographique
Résumé
PURPOSE: Sleep bruxism (SB) is associated with temporomandibular pain, headaches, tooth wear, and disruption of the bed partner's sleep. The aim of this report was to compare SB treatments from various experimental studies to guide the selection of a treatment for a large sample size study. MATERIALS AND METHODS: After a literature search, randomized controlled studies of 7 pharmacologic treatments and 3 oral devices were included. The number needed to treat (NNT) was calculated from raw data from the sleep laboratory at the Hôpital du Sacré-Coeur, Montréal or from published articles when sufficient data were available. The effect size (ES) was calculated for all included studies. In the most effective treatments, the NNT ranged from 1 to 4, while a high ES was above 0.8. RESULTS: The treatments with the best NNT and ES results were the mandibular advancement device (MAD) and clonidine. The NNT (+/-95% CI) and ES were 2.2 (1.4 to 5.3) and 1.5 for the MAD, and 3.2 (1.7 to 37.3) and 0.9 for clonidine, respectively. An NNT of 3.8 (1.9 to -69.4) and an ES of 0.6 were observed with the occlusal splint, with a reduction of 42% in the SB index. NNT could not be calculated for clonazepam, although the ES was 0.9. CONCLUSION: Although the NNT and ES results seem to indicate that the MAD and clonidine are the most promising experimental treatments, both treatments were associated with side effects (ie, discomfort for the MAD; REM suppression and morning hypotension for clonidine). The occlusal splint and clonazepam seem to be acceptable short-term alternatives, although further longitudinal, large sample size randomized controlled trials in SB management are needed.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».