MétaCan
Menu
Retour à la cohorte
Enregistrement W2762326819 · doi:10.1111/cid.12546

The influence of crown‐to‐implant ratio on marginal bone levels around splinted short dental implants: A radiological and clincial short term analysis

2017· article· en· W2762326819 sur OpenAlexvenueno aff
Lukas Hingsammer, Georg Watzek, Bernhard Pommer

Notice bibliographique

RevueClinical Implant Dentistry and Related Research · 2017
Typearticle
Langueen
DomaineDentistry
ThématiqueDental Implant Techniques and Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineImplantDentistryCrown (dentistry)Bone resorptionRadiological weaponOrthodonticsSurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The amount of marginal bone resorption around dental implants is considered to have a significant impact on implant stability as well as implant survival rates. PURPOSE: The aim of this prospective study was to investigate the influence of prosthetic as well as patient specific factors on marginal bone loss around short dental implants. MATERIALS AND METHODS: Seventy-six implants, which supported splinted crowns were included for investigation. All implants were from the same type and had an intraosseous length of 6.5 mm and a diameter of 4.0 mm. Twenty implants were additionally splinted onto longer ones. Measurements of marginal bone loss were performed at a mean of 12.38 months after prosthetic loading and the mean follow-up for clinical evaluation was 20.52 months. RESULTS: Overall two implant failures were recorded, revealing a survival rate of 97.3%. Marginal bone resorption around 72 short implants measured 0.71 mm (SD: 0.74 mm) and was found to have a strong correlation with calculated Crown-to-Implant ratio (r = .71; P < .001). Age, gender, insertion torque, implant surface area, location, position, bone quality, and insertion torque did not influence peri-implant bone loss after one year of loading. CONCLUSION: Within the limitations of the study, it is suggested that Crown-to-Implant ratios should not exceed 1.7 to avoid increased early marginal bone loss.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,155
Tête enseignante GPT0,490
Écart entre enseignants0,335 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations43
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Implant Dentistry and Related ResearchMême sujetDental Implant Techniques and OutcomesTravaux en français237 207