Bioactive treatments in bone grafts for implant‐based rehabilitation: Systematic review and meta‐analysis
Notice bibliographique
Résumé
BACKGROUND: The use of bioactive proteins, such as rhBMP-2, may improve bone regeneration in oral and maxillofacial surgery. PURPOSE: Analyze the effect of using bioactive proteins for bone regeneration in implant-based rehabilitation. MATERIALS AND METHODS: Seven databases were screened. Only clinical trials that evaluated the use of heterologous sources of bioactive proteins for bone formation prior to implant-based rehabilitation were included. Statistical analyses were carried out using a random-effects model by comparing the standardized mean difference between groups for bone formation, and risk ratio for implant survival (P ≤ .05). RESULTS: Seventeen studies were included in the qualitative analysis, and 16 in the meta-analysis. For sinus floor augmentation, bone grafts showed higher amounts of residual bone graft particles than bioactive treatments (P ≤ .05). While for alveolar ridge augmentation bioactive treatments showed a higher level of bone formation than control groups (P ≤ .05). At 3 years of follow-up, no statistically significant differences were observed for implant survival (P > .05). CONCLUSIONS: Bioactive proteins may improve bone formation in alveolar ridge augmentation, and reduce residual bone grafts in sinus floor augmentation. Further studies are needed to evaluate the long-term effect of using bioactive treatments for implant-based rehabilitation.
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 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,014 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».