Comparison of speech and resonance outcomes across three methods of treatment for maxillary defects
Notice bibliographique
Résumé
Purpose: Treatment of maxillary defects, whether by prosthetic rehabilitation or surgical reconstruction, should aim to restore speech function and resonance balance. With the advent of technology and changing clinical practices related to maxillary defect management, speech outcomes need to be evaluated and compared in order to determine efficacy of differing approaches. Materials and Methods: One hundred and four patients across three treatment groups for maxillary defects were included: 38 patients who were treated with maxillary obturators (OBT group), 39 patients who were treated with a standard fibular free flap reconstruction that did not involve digital planning of the reconstruction (Standard group) and 27 patients who were reconstructed using a digitally planned surgical design and simulation fibular free flap reconstruction (SDS group). Speech assessments were completed to assess word and sentence intelligibility, resonance balance and aeromechanical orifice estimation among these three groups. Assessments included the Computerized Assessment of Intelligibility of Dysarthric Speech (C-AIDS), nasalance scores via the Nasometer and palatopharyngeal orifice area via the PERCI-SARS. Results: Significant differences were found in word intelligibility between the SDS and the Standard groups (p =.035) and on nasalance scores between the SDS and the OBT groups (p=.027). Conclusions: Patients treated with digital reconstruction (SDS) had better speech outcomes than the other two treatment groups, whose mean scores on certain speech variables were not within normal limits. Speech outcomes in the SDS group were consistently within the normal range across all measured speech variables.(Int J Maxillofac Prosthetics 2017;1:2-8)
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 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 ».