Sella Turcica Bridging and Tooth Agenesis in Children With Unilateral Cleft Lip and Palate
Notice bibliographique
Résumé
Aim: To investigate differences in sella turcica size and bridging in children with unilateral cleft lip and palate (UCLP) with or without concomitant dental anomalies. Patients and Methods: A cross-sectional study was carried out looking at 56 children with nonsyndromic UCLP. Lateral cephalograms, taken before alveolar bone grafting, were used to assess sella turcica height, width, area, and bridging. Panoramic radiographs were used to evaluate the presence of dental anomalies in the cleft area including agenesis, supernumerary, and peg-shaped lateral incisors. Differences between sella turcica measurements in the presence or absence of dental anomalies were assessed using t tests. Differences between the prevalence of dental anomalies and sella turcica bridging were assessed using χ 2 and Fisher exact tests. Multinomial logistic regression was used to investigate potential associations between sella measurements and dental anomalies. Results: Twenty-six of the 56 children presented with agenesis of the cleft-side lateral incisor, while 7 had a supernumerary, and 19 had a peg-shaped lateral incisor. With regard to sella turcica bridging, 27 children had no calcification, 25 partial and 4 complete calcification. Children with agenesis of the cleft-side lateral incisor showed a shorter sella maximum height ( P = .010) and a smaller area ( P = .019). When looking at sella turcica bridging, 100% of children with complete calcification showed agenesis of the cleft-side lateral incisor, compared with 52% and 33% of children with partial calcification and no calcification, respectively ( P = .034). Conclusions: Children with UCLP and sella turcica bridging are more likely to present with agenesis of the cleft-side maxillary lateral incisor.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».