MétaCan
Menu
Retour à la cohorte
Enregistrement W2779833980 · doi:10.14740/jocmr3304w

Parafunctional Behaviors and Its Effect on Dental Bridges

2017· review· en· W2779833980 sur OpenAlexvenueno aff
Amal Alharby, Hanan Alzayer, Ahmed Almahlawi, Yazeed Alrashidi, Samaa Azhar, Maan Sheikho, Anas Alandijani, Amjad Obaid Aljohani, Manal Obied

Notice bibliographique

RevueJournal of Clinical Medicine Research · 2017
Typereview
Langueen
DomaineHealth Professions
ThématiqueTemporomandibular Joint Disorders
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineDentistry

Résumé

récupéré en direct d'OpenAlex

Parafunctional behaviors, especially bruxism, are not uncommon among patient visiting dentists' clinics daily and they constitute a major dental issue for almost all dentists. Many researchers have focused on the definition, pathophysiology, and treatment of these behaviors. These parafunctional behaviors have a considerable negative impact on teeth and dental prothesis. In this review, we focused on the impact of parafunctional behaviors on dental bridges. We summarized the definitions, epidemiology, pathophysiology, and consequences of parafunctional behaviors. In addition, we reviewed previous dental literature studies that demonstrated the effect of bruxism or other parafunctional behaviors on dental bridges and dental prothesis. In conclusion, parafunctional behaviors are common involuntary movements involving the masticatory system. They are more prevalent among children. These behaviors have deleterious effects on dental structures. Causes of parafunctional behaviors include anxiety, depression, smoking, caffeine intake, sleep disorders, or central neurotransmitter dysfunction. Bruxism and other similar masticatory system activity cause dental fracture, loss, and weardown of enamel or teeth. They can also affect different types of dental protheses both fixed and removable types. Parafunctional behaviors shorten the life expectancy of these protheses, and damage residual dentition and denture-bearing tissues.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,742
Tête enseignante GPT0,750
Écart entre enseignants0,008 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Medicine ResearchMême sujetTemporomandibular Joint DisordersTravaux en français237 207