Risk assessment of labial bone perforation in the anterior mandibular region: a virtual immediate implant placement study
Notice bibliographique
Résumé
BACKGROUND: This study investigated the prevalence of labial bone perforation (LBP) related to the associated anatomic factors in anterior mandibular region using a virtual immediate implant placement procedure. METHODS: Series qualified CBCT images of 149 participants (894 teeth) were selected to analyze the assigned anatomical parameters, including concavity depth, concavity angle, torque, and deep bone thickness. Four classes of crestal and radicular dentoalveolar bone phenotypes (CRDAPs) of mandibular anterior teeth were categorized according to the thickness of dentoalveolar bone at both crestal and radicular zones. Data were adjusted for categorical (gender and CRDAP) and continuous (age, cavity angle, cavity depth, and deep bone thickness) variables using a multivariable logistic regression analysis with generalized estimating equation method. RESULTS: The overall probability of LBP after virtual implant placement was 21.6%. There is statistically significant higher prevalence of LBP at canine (28.5%) and CRDAP class II (29.2%) regions (p < 0.001). After adjusting confounding variables, CRDAP class II and class IV regions are more likely to have LBP when compared with CRDAP class I (control) regions (p < 0.01). The risk of LBP at canine site is 6.31 times more likely than at the central incisor (control) (p < 0.01). CONCLUSIONS: Using a virtual immediate implant placement technique, the prevalence of LBP is significantly higher at the mandibular canine site and thin radicular dentoalveolar phenotype in the anterior mandibular region.
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 | 0,001 | 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 | 0,001 | 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 ».