Evaluating cortico-cancellous ratio using virtual implant planning and its relation with immediate and long-term stability of a dental implant- A CBCT-assisted prospective observational clinical study
Notice bibliographique
Résumé
BACKGROUND: Primary and long-term implant stabilities are crucial in predicting the success of dental implants. We aimed to evaluate corticocancellous ratio (CCR) around virtual implant using cone beam computed tomography (CT) and assess its relationship with immediate and long-term stability of the implants placed. MATERIALS AND METHODS: A total of 135 image records of posterior mandibular implant sites planned for dental implant were included in our study. CCR was calculated using CT images and implants were placed after stent preparation. Implant stability was calculated immediately, 4 months later, and 2 years later. RESULTS: Pearson's correlation test showed a significant correlation (P and lt; 0.001) between CCR and implant stability. ANOVA and post-hoc Tukey tests showed a significant difference in implant stability between groups with different CCRs at all follow-up timepoints. No significant difference was found between mean implant stability quotient values for low CCR at 2-year follow-up and high CCR immediately after implant placement. CONCLUSIONS: Implant stability is improved with greater CCR. Cortical bone seems to be crucial factor for immediate and long-term stability of a dental implant. Virtual planning using CT can assess implant stability. Further histological studies are required to confirm the relation between CCR and implant stability. The escalating demand of the implant treatment in the dental practice necessitates measuring the several predictors of procedure success. This study introduces a novel predictor (CCR) around virtual implant for detecting the immediate and long-term stability of a dental implant.
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 | 0,007 | 0,005 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».