Estimating the weight of dental amalgam restorations.
Notice bibliographique
Résumé
AIM: Data on the weights of amalgam restorations are lacking. The aim of this study was to determine these weights and to develop criteria to facilitate their estimation. METHODS: Four separate regression models with 4 covariates in various combinations were used to estimate the weight of amalgam restorations. Model I, based on 514 restorations from both natural and anatomical replica teeth, contained 3 covariates: the number of restored surfaces (covariate A), the type of tooth (covariate B) and whether the restoration had been removed from a natural tooth or an anatomical replica tooth (covariate C). Model II, based on 359 restorations from anatomical replicas, contained 2 covariates: A and B. Model III, based on 155 restorations from natural teeth, contained 3 covariates: covariates A and B and whether the natural teeth had been extracted in 2002 or at least 15 years previously (covariate D). In model IV, covariate D was removed from model III. RESULTS: Model I explained 72% of the variation in the weight of restorations; the partial R2 for covariates A, B and C in model I was 0.5818, 0.797 and 0.0579, respectively (p < 0.001). In model III, the weights of the restorations did not depend on covariate D (p = 0.93). The least square mean weight of amalgam restorations with 1, 2, 3, and 4 or more surfaces restored (and 95% confidence interval) was 0.31 g (0.28-0.34 g), 0.49 g (0.45-0.53 g), 0.81 g (0.76-0.86 g) and 1.38 g (1.31-1.45 g), respectively. CONCLUSION: The number of surfaces restored (covariate A) accounted for at least 80% of the variation in the weight of restorations in all models and therefore provides the best estimate for the weight of amalgam restorations.
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 | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».