The prevalence and associated factors of proximal contact loss between implant restoration and adjacent tooth after function: A retrospective study
Notice bibliographique
Résumé
BACKGROUND: Dental implant is widely used as a treatment for missing teeth. However, proximal contact loss (PCL) between implant-supported fixed dental prostheses (FDP) and adjacent teeth has been reported as one of the common and adverse complications. PURPOSE: We aimed to evaluate the prevalence of PCL up to 18 years after implant prosthesis delivery and to analyze associated factors. MATERIALS AND METHODS: A total of 317 patients who had received implant FDP at the posterior regions were included in this study. Nineteen factors were assessed, including degrees of proximal contact tightness, oral hygiene, periodontal conditions, and food impaction. Chi-square test, univariate generalized estimating equation (GEE), and multivariate GEE were utilized to identify factors influencing PCL. RESULTS: Proximal contacts at both the mesial and distal (if present) sides were evaluated. The mesial contact loss rate (27%) was significantly higher than that of the distal contact loss (5%). Increased PCL rates over functional time were observed at both the mesial and distal sides. Six factors, including patient age, implant functional years, frequent use of interdental brushes, splinting or single implant, plunger cusp, and food impaction, were revealed to be associated with the mesial PCL using the chi-square test and univariate GEE analysis. However, only functional years (>5 years), frequent use of interdental brushes and food impaction showed significance in the multivariate GEE. CONCLUSIONS: Mesial PCL was frequent and increased over functional years. An occlusal retainer and routine follow-up may help prevent PCL. Although oral hygiene conditions contribute little to PCL, food impaction and frequent use of interdental brushes were influential factors.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».