Alveolar Osteitis Following Tooth Extraction: Systematic Review and Google Trends Analysis Instigated by the First Upper Premolar Case Reported from Iraq
Notice bibliographique
Résumé
Introduction： Alveolar osteitis is a painful condition that may occur following permanent teeth extraction due to the failure of formation of a blood clot or its dislodgement before the complete healing of the wound. We aim to provide a systematic review and trends analytic on the epidemiology and the digital epidemiology as well as the management of alveolar osteitis and to seek any available data in connection with alveolar osteitis following upper premolar tooth extraction. Methods： This study represents a combinatory of literature review, analytics of Google Trends, and the first documented case from Iraq of alveolar osteitis following extraction of the maxillary first premolar. Three literature databases were explored, using Boolean operators, including NCBI-PubMed, Elsevier, and the Cochrane Library. Google Trends database was examined to assess the digital epidemiology. Results：The total number of hits was 54417. There was an overall deficit of literature concerning the condition in connection with the extraction of maxillary premolars. The digital epidemiology was limited to twenty-two countries including three countries from the Middle East accounting for 13.63% of the total geographic mapping while Iraq was absent. Conclusion：Our exceptional case report instigated a systematic analytic of a trends database and the literature. The analysis confirmed the inadequacy of studies from the Middle East. Future studies should deploy the use of machine learning algorithms for a rigour statistical inference based on data from online and offline big data repositories of public health records.  
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 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».