MétaCan
Menu
Retour à la cohorte
Enregistrement W3028963302 · doi:10.1007/s41894-020-00074-y

Digital removable partial dentures

2020· article· en· W3028963302 sur OpenAlexaff
Faleh Tamimi, Balqees Almufleh, Eric Caron, Omar Alageel

Notice bibliographique

RevueClinical Dentistry Reviewed · 2020
Typearticle
Langueen
DomaineDentistry
ThématiqueDental materials and restorations
Établissements canadiensMcGill University
Organismes subventionnairesQatar National Library
Mots-clésSubtractive colorDenturesComputer scienceRemovable partial dentureSelective laser sinteringDentistryMedicineMaterials scienceSinteringMetallurgy

Résumé

récupéré en direct d'OpenAlex

Abstract Recently, digital techniques have revolutionized the production of partial removable dental prostheses (PRDPs). This chapter reviews current systems for PRDP production, how they are done in clinical practice, advantages and limitations, and current literature regarding their clinical performance. Currently, several digital techniques are available in the market for PRDP production including subtractive and additive techniques. Subtractive milling technique is mainly effective for non-metal PRDP, whereas additive techniques are used mainly in metal PRDP. Digital techniques expand the range of materials that can be utilized for PRDP production, including new polymers (PEEK), and facilitate previously difficult procedures such as casting titanium PRDP, which can be produced more easily with digital methods. This review shows that available evidence suggests that these techniques have promising clinical results. Laser sintering resulted in higher patient’s satisfaction compared to conventional PRDP. However, long-term clinical trials are recommended to explore the long-term effects of these techniques. Moreover, this review showed the lack of evidence on the clinical performance of non-metal partial removable dental prostheses.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,210
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,016

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 Opus0,127
Tête enseignante GPT0,396
Écart entre enseignants0,269 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations22
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Dentistry ReviewedMême sujetDental materials and restorationsTravaux en français237 207