Clinical Outcomes Measures for Assessment of Longevity in the Dental Implant Literature: ORONet Approach
Notice bibliographique
Résumé
Francesco Bassi, MD, DDS/Alan B. Carr, DMD/Ting-Ling Chang, DDS/Emad Estafanous, BSD, MSD/Neal R. Garrett, PhD/Risto-Pekka Happonen, DDS, PhD/Sreenivas Koka, DDS, MS, PhD/Juhani Laine, DDS, PhD/Martin Osswald, BDS, MDent/Harry Reintsema, DDS, PhD/Jana Rieger, MSc, PhD/Eleni Roumanas, DDS/Thomas J. Salinas, DDS, MS/Clark M. Stanford, DDS, PhD/Johan Wolfaardt, BDS, MDent, PhD: The Oral Rehabilitation Outcomes Network (ORONet) Longevity Working Group undertook a search of the literature from 1995 to 2009 on randomized controlled trials related to longevity of osseointegrated implants. Outcomes measures used in these studies were identified and subjected to the OMERACT component criteria of truth, validity, and feasibility. Through this process, it was a challenge to identify clinical outcomes measures that fully met the criteria. An attenuated version of the component criteria was applied, and clinical measures were identified for implant outcomes, prosthetic outcomes, and indices. A recommendation on standardized reporting periods was also presented for future consideration. The endpoint of the evaluation process is to develop consensus on clinical outcomes measures that can be applied across broad populations for osseointegrated implant care. The present ORONet initiative represents a beginning toward continual improvement and consensus development for clinical outcomes measures for osseointegrated implants. Int J Prosthodontics 2013;26:323Â330. doi: 10.11607/ijp.3402
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 | 0,003 | 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 | 0,001 | 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 ».