Agreement of the clinician's choice of archwire selection on conventional and virtual models
Notice bibliographique
Résumé
OBJECTIVES: To compare archwire selection on dental casts with archwire selection using a three-dimensional (3D) software program (OrthoAid) and assess agreement between clinicians. MATERIALS AND METHODS: The best-fitting archwires were selected for dental casts of 100 patients with malocclusion using two approaches by three orthodontists. The first method was to visually determine the fitness of five preformed nickel titanium archwires to the arch form on a dental cast (subjective method). The second method was archwire selection on a virtual image of the same cast by means of 3D software (objective method). Agreement between selections performed by the orthodontists was calculated using Kappa statistics. The accuracy of fit of the archwires to the curves fitted to the arch form was also calculated or reversely assessed by means of the root mean square (RMS) for both methods using the Dahlberg formula. RESULTS: The mean RMS of the distances between the patient arch forms and the archwires for the subjective method was 1.163-1.366 mm. The agreement of selections between orthodontists was 42%-58% (Kappa ranged from .074 to .382). Using the 3D software (objective method), the mean RMS decreased to 0.966-1.171 mm, and agreement increased to 47% to 84% (Kappa ranged from .444 to .747). CONCLUSIONS: The use of 3D computer software for archwire selection in patients with malocclusion provided better adaptation and interexaminer reliability.
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) | 0,000 | 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 ».