Reliability and Reproducibility of Landmark Identification in Unilateral Cleft Lip and Palate Patients: Digital Lateral Vis-A-Vis CBCT-Derived 3D Cephalograms
Notice bibliographique
Résumé
Background: The aim of the retrospective observational study was to compare the precision of landmark identification and its reproducibility using cone beam computed tomography-derived 3D cephalograms and digital lateral cephalograms in unilateral cleft lip and palate patients. Methods: Cephalograms of thirty-one (31) North Indian children (18 boys and 13 girls) with a unilateral cleft lip and palate, who were recommended for orthodontic treatment, were selected. After a thorough analysis of peer-reviewed articles, 20 difficult-to-trace landmarks were selected, and their reliability and reproducibility were studied. These were subjected to landmark identification to evaluate interobserver variability; the coordinates for each point were traced separately by three different orthodontists (OBA, OBB, OBC). Statistical analysis was performed using descriptive and inferential statistics with paired t-tests to compare the differences measured by the two methods. Real-scale data are presented in mean ± SD. A p-value less than 0.05 was considered as significant at a 95% confidence level. Results: When comparing, the plotting of points posterior nasal spine (PNS) (p < 0.05), anterior nasal spine (ANS) (p < 0.01), upper 1 root tip (p < 0.05), lower 1 root tip (p < 0.05), malare (p < 0.05), pyriforme (p < 0.05), porion (p < 0.01), and basion (p < 0.05) was statistically significant. Conclusion: In patients with a cleft lip and palate, the interobserver identification of cephalometric landmarks was significantly more precise and reproducible with cone beam computed tomography -derived cephalograms vis-a-vis digital lateral cephalograms.
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 | 0,004 | 0,009 |
| 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 ».