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 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 | 0,000 | 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 | 0,000 | 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 ».