Prevalence of Maxillary Sinus Pathology in Patients Considered for Sinus Augmentation Procedures for Dental Implants
Notice bibliographique
Résumé
PURPOSE: To determine the prevalence of maxillary sinus pathology in patients presenting for implant rehabilitation involving sinus augmentation procedures. MATERIALS AND METHODS: Three-dimensional images of 275 patients were evaluated. Age and gender were recorded to see if they had any relationship to the prevalence of pathology. Scans were classified into 1 of the 5 categories based on the type of sinus pathology detected: healthy, mucosal thickening > 5mm, polypoidal mucosal thickening, partial opacification and/or air fluid level, and complete opacification. RESULTS: Overall, 54.9% scans were classified as healthy, and 45.1% scans were classified as exhibiting sinus pathology. Men were more likely to exhibit pathology compared with females (P < 0.01). However, age did not seem to have any relation on the prevalence of sinus pathology. Of the patients who presented with evidence of sinus pathology, 56.5% had mucosal thickening (≥ 5 mm), 28.2% with polypoidal thickening, 8.9% partial opacification and/or air/fluid level, and 6.5% complete opacification. CONCLUSIONS: It is proposed that, based on the findings of this study, 45.1% patients would require further consultation before proceeding with maxillary sinus augmentation surgery.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».