Prevalence and Clinical Characteristics of Teeth Extracted with a Diagnosis of Cracked Tooth: A Retrospective Study
Notice bibliographique
Résumé
The body of knowledge that exists regarding cracked teeth is limited. The purpose of this study was to determine the prevalence of cracks among extracted teeth. This retrospective longitudinal cohort study included patients of the Virginia Commonwealth University School of Dentistry that underwent extraction procedures over a 6 year period. The sample consisted of 20,408 patients and 40,870 teeth. Statistical analysis software was used to identify diagnoses of a crack, fracture, or split tooth prior to extraction of the tooth by analyzing the Electronic Health Record (EHR) (axiUm™, Version 6.03.03.1035, Exan Corporation, Vancouver, BC, Canada). There were 3,228 teeth identified as cracked in the 40,870 extracted teeth—an overall prevalence of 7.90%. The percentage of cracked teeth were compared using a chi-square test of homogeneity. The prevalence of cracked teeth varied according to tooth type (chi-square = 95.5, df = 7, p < .0001). Tukey’s multiple-comparison procedure identified the groups of tooth types with a significantly different cracked prevalence. The mandibular 2nd molar had the highest prevalence (9.72%). Age and gender were also significantly correlated with cracked teeth.
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 | 0,001 | 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 ».