Age estimation in three distinct east Asian population groups using southern Han Chinese dental reference dataset
Notice bibliographique
Résumé
BACKGROUND: Dental age estimation can assist in the identification of victims following natural disasters and it can also help to solve birth date disputes in individuals involved in criminal activities. A reference dataset (RDS) has been developed from the dental development of 2306 subjects of southern Han Chinese origin and subsequently validated. This study aimed to test the applicability of the southern Han Chinese dental maturation RDS on three distinct East Asian population groups. METHODS: A total of 953 dental panoramic radiographs of subjects aged 2 to 24 years were obtained from Philippines, Thailand and Japan. The staging of dental development was conducted according to Anglo-Canadian classification system. The dental age (DA) was calculated using six methods; one un-weighted average and five weighted average (n-tds, sd-tds, se-tds, 1/sd-tds, 1/se-tds) methods based on the scores of the southern Han Chinese RDS. Statistical significance was set at p < 0.05 and the variation between chronological age (CA) and DA was evaluated using paired t-test and Bland & Altman scatter plots. RESULTS: From six dental age calculations, all methods of DA accurately estimated the age of Japanese and few methods in Filipino subjects (n-tds, 1/sd-tds, 1/se-tds). There was consistent overestimation of age for all the methods for Thai females (p < 0.05). CONCLUSIONS: The southern Han Chinese dental reference dataset was shown to be most accurate for Japanese, followed by Thai males and it was particularly ineffective for Filipinos and Thai females.
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 | 0,000 | 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 | 0,001 |
| 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 ».