MétaCan
Menu
Retour à la cohorte
Enregistrement W3119796950 · doi:10.3390/polym13010157

Dental 3D-Printing: Transferring Art from the Laboratories to the Clinics

2021· review· en· W3119796950 sur OpenAlexaff
Sangeeth Pillai, Akshaya Upadhyay, Parisa Khayambashi, Imran Farooq, Hisham Sabri, Maryam Tarar, Kyungjun T. Lee, I. Harb, Stephanie Zhou, Yifei Wang, Simon D. Tran

Notice bibliographique

RevuePolymers · 2021
Typereview
Langueen
DomaineDentistry
ThématiqueDental materials and restorations
Établissements canadiensUniversity of TorontoMcGill University
Organismes subventionnairesnon disponible
Mots-clésWorkflow3D printingProcess (computing)Computer science3d printedMedical physicsDentistryMedicineManufacturing engineeringEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The rise of three-dimensional (3D) printing technology has changed the face of dentistry over the past decade. 3D printing is a versatile technique that allows the fabrication of fully automated, tailor-made treatment plans, thereby delivering personalized dental devices and aids to the patients. It is highly efficient, reproducible, and provides fast and accurate results in an affordable manner. With persistent efforts among dentists for refining their practice, dental clinics are now acclimatizing from conventional treatment methods to a fully digital workflow to treat their patients. Apart from its clinical success, 3D printing techniques are now employed in developing haptic simulators, precise models for dental education, including patient awareness. In this narrative review, we discuss the evolution and current trends in 3D printing applications among various areas of dentistry. We aim to focus on the process of the digital workflow used in the clinical diagnosis of different dental conditions and how they are transferred from laboratories to clinics. A brief outlook on the most recent manufacturing methods of 3D printed objects and their current and future implications are also discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,354
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations220
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymersMême sujetDental materials and restorationsTravaux en français237 207