Antibiotic prophylaxis for implant placement: a systematic review of effects on reduction of implant failure
Notice bibliographique
Résumé
Introduction Despite excellent reviews in the past several years, the use of antibiotics as prophylaxis for implant placement remains controversial.Aim To assess the literature on the efficacy of prophylactic antibiotics prescribed prior to and immediately following implant surgery (PIFS).Outcomes Whether administration of antibiotics reduced implant failure and post-operative complications.Design Databases searched were PubMed and Medline via Ovid (1946 to February 2018), Cochrane Library (Wiley) and Google Scholar.Materials and methods Quality assessment, meta-analysis with a forest plot and incorporated assessment of heterogeneity. A two-tailed paired t-test was performed, analysing differences in mean failure rates between groups.Results Fourteen publications were collected; 5,334 implants were placed with pre-operative antibiotics, 82 implants with antibiotics PIFS and 3,862 placed with no antibiotics. The overall risk ratio (RR) was 0.47 (95% CI 0.39-0.58), with the implant failure rates significantly affected by pre-operative intervention (Z = 7.00, P <0.00001). The number needed to treat (NNT) was 35 (95% CI 26.3-48.2). The difference between mean failure rates was statistically significant (P = 0.0335).Conclusion Administering prophylactic antibiotics reduced the risk of implant failures. Further investigations are recommended to establish a standardised protocol for the proper use of antibiotic regimen.
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 | 0,005 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,008 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».