Factors influencing the fracture of dental implants
Notice bibliographique
Résumé
BACKGROUND: Implant fractures are rare but offer a challenging clinical situation. PURPOSE: To determine the prevalence of implant fracture and the possible risk factors predisposing an implant to a higher fracture risk. MATERIALS AND METHODS: This retrospective study is based on 2670 patients consecutively treated with implant-supported prostheses. Anatomical-, patient-, and implant-related factors were collected. Descriptive statistics and survival analyses were performed. Generalized estimating equations (GEE) evaluated the effect of explanatory variables on implant fracture. RESULTS: Forty-four implants (out of 10 099; 0.44%) fractured. The mean ± standard deviation time for fracture to occur was 95.1 ± 58.5 months (min-max, 3.8-294.7). Half of the occurrences of fracture happened between 2 and 8 years after implantation. Five factors had a statistically significant influence on the fracture of implants (increase/decrease in fracture probability): use of higher grades of titanium (decrease 72.9%), bruxism (increase 1819.5%), direct adjacency to cantilever (increase 247.6%), every 1 mm increase in implant length (increase 22.3%), every 1 mm increase in implant diameter (decrease 96.9%). CONCLUSIONS: It is suggested that 5 factors could influence the incidence of implant fractures: grade of titanium, implant diameter and length, cantilever, bruxism.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».