On the Use of a Simplified Slip Limit Equation to Predict Screw Self-Loosening of Dental Implants Subjected to External Cycling Loading
Notice bibliographique
Résumé
Self-loosening of the prosthetic screws is a major mechanical problem affecting roughly 10% of dental implants, according to the literature. This phenomenon may lead to micro-movements that produce crestal bone loss, peri-implantitis, or structural failure of the implant assembly. In this paper, a simple and effective tool to predict self-loosening under masticatory loads is presented. The loads acting on the screw are obtained from a simple finite element (FE) model, and introduced in a mathematical formula that calculates the torque needed to loosen the screw; self-loosening will occur when this torque becomes zero. In this sense, all the parameters involved in self-loosening phenomenon can be easily identified, and their effect quantified. For validating purposes, 90 experimental tests were performed in a direct stress test bench. As a result, a powerful tool with a maximum experimental error of 7.6% is presented, allowing dental implant manufacturers to predict eventual occurrence of self-loosening in their developed dental implant products and take corrective actions at preliminary design stage. Furthermore, the following clinical implications can be directly derived from the methodology: a higher screw preload, that is a higher tightening torque, improves self-loosening response of the dental implant and, similarly, for a given preload force, higher friction coefficient and screw metric, as well as lower pitch and thread angle values, are also found to be beneficial.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».