Caries prevalence and experience in individuals with osteogenesis imperfecta: A cross‐sectional multicenter study
Notice bibliographique
Résumé
OBJECTIVE: Dentinogenesis Imperfecta (DI) forms a group of dental abnormalities frequently found associated with Osteogenesis Imperfecta (OI), a hereditary disease characterized by bone fragility. The objectives of this study were to quantify the dental caries prevalence and experience among different OI-types in the sample population and quantify how much these values change for the subset with DI. METHODS: To determine which clinical characteristics were associated with increased Caries Prevalence and Experience (CPE) in patients with OI, the adjusted DFT scores were used to account for frequent hypodontia, impacted teeth and retained teeth in OI population. For each variable measured, frequency distributions, means, proportions and standard deviations were generated. Groups means were analyzed by the unpaired t-test or ANOVA as appropriate. For multivariate analysis, subjects with caries experience of zero were compared with those with caries experience greater than zero using logistic regression. RESULTS: The stepwise regression analysis while controlling for all other variables demonstrated the presence of DI (OR 2.43; CI 1.37-4.32; P = 0.002) as the significant independent predictor of CPE in the final model. CONCLUSION: This study found no evidence that CPE of OI subjects differs between the types of OI. The presence of DI when controlled for other factors was found to be the significant predictor of CPE.
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 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».