A Multicenter Study Using the SWAG Scale to Compare Secondary Alveolar Bone Graft Outcomes for Patients with Cleft Lip and Palate
Notice bibliographique
Résumé
Objective To assess secondary alveolar bone graft (ABG) outcomes using the standardized way to assess grafts, or SWAG scale, for patients with cleft lip and palate (CLP). Design Retrospective cohort study. Setting Four cleft centers with different protocols. Methods One hundred sixty maxillary occlusal radiographs taken 3 to 18 months after secondary ABG for sequentially treated patients with CLP were assessed using the SWAG scale. Radiographs were scanned, standardized, blinded, and rated by six orthodontists using the SWAG scale. Randomized radiographs were rated twice, 24 hours apart, by the same raters. Main Outcomes Intrarater and interrater reliabilities were assessed. Means and SDs were calculated for ABG ratings using analysis of variance and Tukey tests (P < .05). Result The mean ABG age was 9.1 years (range = 7 to 10.1 years) and the mean follow-up age was 12.4 years (range = 8.2 to 20.4 years). Intrarater and interrater reliabilities were good (intrarater = 0.788, interrater = 0.705), and higher than published methods. Mean ABG ratings for the cleft centers were 4.53, 2.9, 3.63, and 5.0 and differed significantly. The two centers with the highest ABG ratings showed higher ratings for all thirds decreasing from apical to coronal. The two centers with lower ABG ratings showed poorer ABG ratings for all thirds, and the middle third received the highest ratings. Conclusions The SWAG scale overcomes the challenges of age and bone location. The SWAG method was validated for showing intercenter differences for overall bone fill as well as in vertical thirds. Surgical technique, timing, and expertise/volume were identified as possible factors related to outcome.
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 | 0,001 | 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 ».