Influence of Platelet‐Rich Plasma Added to Xenogeneic Bone Grafts in Periimplant Defects: A Vital Fluorescence Study in Dogs
Notice bibliographique
Résumé
BACKGROUND: The use of platelet-rich plasma (PRP) has been suggested in order to increase the rate of bone deposition when sites are augmented prior to or in conjunction with dental implant placement. PURPOSE: The goal of this study was to investigate whether the addition of PRP to xenogeneic bone grafts would increase the rate of bone formation in dogs. MATERIALS AND METHODS: Ninety endosseous dental implants were inserted in the mandibles of nine hound dogs. Subsequently, mesial and distal three-wall periimplant defects were surgically created. Defects were randomly assigned to three groups: demineralized freeze-dried bone graft plus platelet-rich plasma (DFDBG plus PRP), demineralized freeze-dried bone graft alone (DFDBG), and no treatment. Postsurgically each dog received a series of three fluorescent labels for estimation of bone cell activity at baseline and during different stages of healing, with particular attention to the bone formation rate per tissue volume (BFR/TV). Animals were sacrificed at 1 month, 2 months, and 3 months, and specimens were subjected to analysis by fluorescence microscopy. Treatment effects were evaluated with analysis of variance models. RESULTS: Overall, the average BFR/TV differed by treatment although this difference approached only minimal statistical significance (p = .057). The largest difference occurred between periimplant defects treated with DFDBG only and defects that were not treated (mean percentage BFR/TV, 0.0720% vs 0.0994%). There was no evidence of an overall treatment effect (p = .27) for the mineral apposition rate (MAR) values. The data also suggest a consistent variability in the bone formation parameters among the three groups at different healing points. CONCLUSION: In this animal model the addition of PRP to xenogeneic bone grafts did not demonstrate evidence of faster bone formation during healing. However, limitations of the histologic technique possibly played a negative role in the assessment of bone formation parameters.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».