The Influence of Tactile Perception on Classification of Bone Tissue at Dental Implant Insertion
Notice bibliographique
Résumé
BACKGROUND: Various ways of using the Lekholm and Zarb (L&Z) classification have added to the lack of scientific evidence of the effectiveness of this clinical method in the evaluation of implant treatment. PURPOSE: The study aims to assess subjective jawbone classifications in patients referred for implant treatment, using L&Z classification with and without surgeon's hand perception at implant insertion. The association between bone type classifications and quantitative parameters of primary implant stability was also assessed. MATERIALS AND METHODS: One hundred thirty-five implants were inserted using conventional loading protocol. Three surgeons classified bone quality at implant sites using two methods: one based on periapical and panoramic images (modified L&Z) and one based on the same images associated with the surgeon's tactile perception during drilling (original L&Z). Peak insertion torque and implant stability quotient (ISQ) were recorded. RESULTS: The modified and original L&Z were strongly correlated (rho = 0.79; p < .001); Wilcoxon signed-rank test showed no significant difference in the distribution of bone type classification between pairs using the two methods (p = .538). Spearman correlation tested the association between primary stability parameters and bone type classifications (-0.34 to -0.57 [p < .001]). CONCLUSIONS: Tactile surgical perception has a minor influence on rating of subjective bone type for dental implant treatment using the L&Z classification.
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».