Role of thin gingival phenotype and inadequate keratinized mucosa width (<2 mm) as risk indicators for peri‐implantitis and peri‐implant mucositis
Notice bibliographique
Résumé
BACKGROUND: There is growing evidence on the impact of thin gingival phenotype (TnP) and inadequate keratinized mucosa width (KMW <2 mm) around dental implants on peri-implant health. This study investigated the role of TnP and inadequate KMW (<2 mm) as risk indicators for peri-implantitis and mucositis and on dental patient-reported outcomes. METHODS: Sixty-three patients with 193 implants (mean follow-up of 6.9 ± 3.7 years) were given a clinical and radiographic examination and a questionnaire to assess patient awareness of food impaction and pain/discomfort. Chi-squared tests and regression analysis for clustered data were used to compare outcomes. RESULTS: Implants with TnP had a statistically higher prevalence of peri-implantitis (27.1% versus 11.3%; PR, 3.32; 95% confidence interval (CI), 1.64-6.72; P = 0.001) peri-implant mucositis (42.7% versus 33%; PR, 1.8; 95% CI, 1.12-2.9; P = 0.016) and pain/discomfort during oral hygiene (25% versus 5%; PR, 3.7; 95% CI, 1.06-12.96; P = 0.044) than thick phenotype. Implants with inadequate KMW had a statistically higher prevalence of peri-implantitis (24.1% versus 17%; PR, 1.87; 95% CI, 1.07-3.25; P = 0.027) and peri-implant mucositis (46.6% versus 34.1%; PR, 1.53; 95% CI, 1-2.33; P = 0.05) and pain/discomfort during oral hygiene (28% versus 10%; PR, 2.37; 95% CI, 1.1-5.1; P = 0.027) than the adequate KMW. TnP was strongly associated with inadequate KMW (PR = 3.18; 95% CI, 1.69-6.04; P <0.001). CONCLUSION: TnP and inadequate KMW (<2 mm) may be significant risk indicators for peri-implant disease and pain/discomfort during brushing.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».