Implant treatment outcomes at the University of British Columbia graduate periodontics clinic : a retrospective analysis
Notice bibliographique
Résumé
Objectives: Dental implants have predictable outcomes and high survival rates. However, a small subset of patients experience implant failure. A retrospective review of charts at UBC was conducted to determine how patient-, disease-, site-, surgeon- and implant design-centered risk factors affect the survival of implants. Methods: A review of implants placed between 1989-2006 was completed. Inclusion criteria required a one-year post-placement diagnostic radiograph. Implant failure was defined as the loss or removal of an implant at any time. Bivariate analyses were used to identify variables associated with implant failure. Risk factors with p-values < 0.05 or that were deemed clinically relevant by previous studies were included in stepwise linear multiple regression and logistic regression analyses. Results: Based on the inclusion criteria, 107 patients and 300 implants were included in the study. Follow-up ranged from 1.00 to 19.79 years (mean 4.08 + 2.95 years). At follow-up, 92.3% of implants survived and 84.1% of patients did not experience failure, In the failing implant group, 13.1% of patients had one failed implant and 2.8% of patients had two failed implants. The survival rate of replacement implants was 85.71%. Most factors studied had no statistically significant impact on survival. Only simultaneous sinus augmentation and removable prostheses were significantly associated with failure and guided bone regeneration was significantly associated with survival. In the regression analyses, the predictors showing the largest effect on thread exposure were: implant model, jaw (in favor of mandibular implants), and surface (in favor of rough surfaces). The odds ratio for implant failure was 16.87 for osteotome sinus elevation and 0.288 for decreasing implant width. Conclusions: The survival rate for implants placed at UBC is similar to those reported in the literature. Most variables considered risk factors did not have a statistically significant effect on implant failure. Given the high survival rates of implants, a small sample size does not allow for trends in the data to reach statistical significance, even if a true difference exists.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».