MétaCan
Menu
Retour à la cohorte
Enregistrement W2363119134

Dental age assessment using Demirjian′s method on urumqi juveniles

2014· article· en· W2363119134 sur OpenAlexaboutno aff
Yang Shuan

Notice bibliographique

RevueChinese Journal of Aesthetic Medicine · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDental Education, Practice, Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLogistic regressionMedicineDentistrySignificant differenceAge groupsDemographyPopulationOrthodonticsEnvironmental health
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Objective To validate the applicability of Demirjian's method for age estimation in children and teenagers of urumqi Uighur population. Methods Digital panoramic radiographs of 362 children of urumqi origin were assessed in Demirjian's method. There were 195 boys and 167 girls involved in this study with chronological age from 3 to 16 years.The dental maturity scores(DMS) and dental ages of all the subjects were calculated.Paired t-test was performed between the chronological age and the age determined by Demirjian's method.The method of nonlinear regression was used to established the logistic model between the dental maturity score and the chronological age initially. Results The Demirjian method utilizing French-Canadian standards presented significant difference between dental age and chronological age for the sample.The results of paired t-test between chronological age and predicted age showed that there was significant difference(P0.05)in boys and girls.Demirjian's dataset is not suitable for estimating the age of 3-16 years old urumqi Uighur children.The regression equations were estabilished as follows:Y(male)=-61.119+20.965X-0.686X2,Y(female) =-74.475 +25.214X-0.901X2. Conclusion The standards of dental age described by Demirjian etal may not be suitable for urumqi children. Uygur children may need their own specific standard for an accurate estimation of chronological age.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,092
Tête enseignante GPT0,572
Écart entre enseignants0,480 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChinese Journal of Aesthetic MedicineMême sujetDental Education, Practice, ResearchTravaux en français237 207