Dental age estimation using Willems method: A cross-sectional study on children in a North Indian city
Notice bibliographique
Résumé
Background: Numerous methods of age estimation have been proposed. The Demirjian method which was first applied in a French-Canadian population in 1972 is the most frequently used dental age estimation method. However, a constant over estimation using this method has been reported by numerous researchers. The Willems method is a modification of the above and was first applied in a Belgian Caucasian population in 2002. Several studies in the recent years found Willems method to be more accurate than the original Demirjians method. Objectives: The objective of this study was to evaluate the applicability of Willems method for dental age estimation in 6 -15-year-old North Indian children. Methods: The sample for this cross sectional study consisted of 390 OPGs of (215 boys and 175 girls) randomly selected from the patient records of a post graduate training dental college in North India. Exact chronological age of the subjects (in years and months) was calculated. The OPGs were used to score the seven mandibular teeth and dental age was estimated using the tables proposed in Willems method. Results: Significant correlation between the chronological age and dental age estimated using Willems method was observed in both males ( r = 0.90) and females ( r = 0.87). The mean difference between estimated DA and CA for males was 0.004 ± 1.08 years ( P = 0.94). While for females, it was 0.031 ± 1.18 years ( P = 0.72). The results showed no statistically significant difference between chronological age and dental age estimated using Willems method in the study population. Conclusion: Willems dental age estimation method without any modification can predict the chronological age of 6-15 year old North Indian children with good 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 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 | 0,000 | 0,000 |
| 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 | 0,002 |
| 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 ».