New Neonatal Classification of Unilateral Cleft Lip and Palate Part 2: To Predict Permanent Lateral Incisor Agenesis and Maxillary Growth
Notice bibliographique
Résumé
Objectives : To bring a neonatal classification system of unilateral cleft lip and palate and to correlate this classification with the distribution of the permanent lateral incisor and maxillary growth. Design : Retrospective with longitudinal follow-up. Setting : Tertiary. Patients : A total of 112 individuals with treated unilateral cleft lip and palate and 30 controls. Main Outcome Measures : Unilateral cleft lip and palate neonatal casts were classified anatomically in four categories, in which Class 1 corresponds to a maxillary arch with a narrow alveolar cleft; Class 2 corresponds to a balanced form; Class 3 corresponds to a wide cleft and short maxilla; and Class 4 corresponds to a wide cleft and long maxilla. The classification was correlated with the distribution of the permanent lateral incisor. Maxillary growth was evaluated using a cephalometric analysis after the age of 10 years. Results : Clinical classification of unilateral cleft lip and palate found 10 cases of Class 1 (8.9%), 34 cases of Class 2 (30.4%), 46 cases of Class 3 (41.1%), and 22 cases of Class 4 (19.6%). The permanent lateral incisor was most often present in narrower clefts (Classes 1 and 2); whereas, large clefts (Classes 3 and 4) were relatively more frequently associated with an agenesis of the permanent lateral incisor (P = .019). Maxillary growth impairment was most severe in Class 3, with a mean sella-nasion-A point angle at 71.9° ± 4.6° (P < .001). Conclusions : Using the cleft width, arch form, and shape of the nasal septum, unilateral cleft lip and palate can be classified into four different classes at birth, which can all give information about permanent lateral incisor agenesis and maxillary growth.
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 ».