Factors Associated with Failure of Surface‐Modified Implants up to Four Years of Function
Notice bibliographique
Résumé
OBJECTIVES: The relative impact of innovative treatment concepts on the failure of surface-modified implants is not well understood. This retrospective study aimed to explore this using data obtained in a university postgraduate training center. MATERIAL AND METHODS: Patients treated with implants for a variety of indications over a 3-year period were included. All implants had been at least 1 year in function. Clinical records were evaluated for implant failure and in reference to implant length/diameter/location, time from tooth loss to implant placement, bone condition (native/grafted), surgical protocol (two-/one-stage), loading protocol (delayed/early/immediate), type of prosthesis (removable/fixed), surgeon's experience level (resident/trainee) and specialty (periodontist/oral surgeon). The impact of each covariate on failure was tested using the Fisher's exact test. Kaplan-Meier survival functions were constructed and Mantel-Cox log-rank tests were used to compare survival functions. To correct for possible interaction, Cox proportional Hazards regression was adopted. RESULTS: Forty-one of 1,180 (3.5%) implants were lost in 34/461 (7.4%) patients (245 ♀, 216 ♂; mean age 51, range 18-90). Factors showing significant impact on failure on the basis of univariate analyses were implant location (p = .015), surgical protocol (p = .002), loading protocol (p = .002), surgeon's experience level (p = .035) and specialty (p = .001). When controlling for other covariates, only the loading protocol had a significant influence (p = .049) with early loading more prone to failure (p = .014) when compared with delayed loading. Immediate loading and delayed loading showed comparable implant survival (p = .311). CONCLUSIONS: Implant therapy may be highly successful in a training center where inexperienced clinicians are strictly monitored and personally guided. Implant specific variables do not affect implant survival but early loading is a risk indicator for implant failure, whereas immediate loading is not.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| 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 ».