MétaCan
Menu
Retour à la cohorte
Enregistrement W3026454188 · doi:10.3390/app10103513

Digital Design of Minimally Invasive Endodontic Access Cavity

2020· article· en· W3026454188 sur OpenAlexaboutno aff
Gianluca Gambarini, Massimo Galli, Antonio Morese, Fouad Abduljabbar, Marco Seracchiani, Luigi Vito Stefanelli, Massimo Giovarruscio, Dario Di Nardo, Luca Testarelli

Notice bibliographique

RevueApplied Sciences · 2020
Typearticle
Langueen
DomaineDentistry
ThématiqueEndodontics and Root Canal Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDentinCone beam computed tomographyOrthodonticsDentistryComputer scienceComputed tomographyMedicineSurgery

Résumé

récupéré en direct d'OpenAlex

New minimally invasive endodontic cavities have been described and proposed to preserve dentin (and enamel) through strategic access, including point endodontic access cavity (PEAC). There is no consensus to what extent PEAC contributes to tooth’s resistance to fracture, because there is no agreement on how PEAC should be performed. The purpose of the present study is to describe and classify four different types of PEACs and to examine if a dynamic navigation system /DNS) could allow planning and precisely executing these cavities in vitro. Forty TrueTooth TM Replica # 3-001 models, were randomly divided into four identical groups of ten and scanned using a cone bean computed tomography (OP-Maxio 300, Instrumentarium-Kavo, Finland). Then, four different access cavities were planned and performed by using DNS (Navident dynamic navigation system, ClaroNav, Toronto, ON, Canada). For each tooth, a different PEAC was designed to obtain endodontic access to the main mesio-buccal canal (MB1), resulting in a different location of the entry point on the occlusal surface of the tooth. Precision was evaluated by comparing deviation in the inclinations between the planned and real cavity. Data were recorded and statistically analyzed. DNS allowed preparation of minimally invasive “straight line” cavities, with some differences in the accuracy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,465
Score d'incertitude au seuil0,383

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,088
Tête enseignante GPT0,306
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetEndodontics and Root Canal TreatmentsTravaux en français237 207