Impact of clear aligner therapy on tooth pain and masticatory muscle soreness
Notice bibliographique
Résumé
BACKGROUND: Clinical findings suggest that orthodontic treatment with clear aligners (clear aligner therapy/CAT) may cause masticatory muscle soreness in some patients. OBJECTIVE: This multi-site prospective study investigated tooth pain and masticatory muscle soreness and tenderness in patients undergoing CAT and explored whether psychological traits affected these outcomes. METHODS: Twenty-seven adults (22F, 5M; mean age ± SD=35.3 ± 17.6 years) about to start CAT were recruited at three clinics. During CAT, they reported on 100-mm visual analogue scales their tooth pain, masticatory muscle soreness and stress three times per day over 4 weeks (week 1 = baseline; week 2 = dummy aligner; week 3 = first active aligner; week 4 = second active aligner). Pressure pain thresholds (PPTs) were measured at the masseter and temporalis at baseline and after week 4. Mixed models were used to evaluate the outcome measures over time. RESULTS: Clear aligner therapy caused mild tooth pain, which was greater with the passive than the first and second active aligners (both P < .001). Mild and clinically not relevant masticatory muscle soreness was produced by all aligners (all P < .05), with the first active aligner producing less soreness than the dummy aligner (P < .001). PPTs did not change significantly after 4 weeks. Both tooth pain and masticatory muscle soreness were affected by stress and trait anxiety, whilst muscle soreness was affected also by oral behaviours. CONCLUSIONS: In the short term, CAT produces tooth pain and masticatory muscle soreness of limited significance. Frequent oral behaviours are related to increased masticatory muscle soreness during CAT. The medium- and long-term effects of CAT should be further explored.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».