The gain in keratinized gingiva using apically positioned flap during implant placement with and without ridge augmentation: A comparative prospective study
Notice bibliographique
Résumé
OBJECTIVES: To evaluate whether ridge augmentation (RA) affects the gain in keratinized gingiva (KG) in implant surgery using a full-thickness apically positioned flap (fAPF). MATERIAL AND METHODS: We conducted a prospective study from April 2017 to April 2019 recording patient- and implant-related factors. The subjects underwent fAPF during implant placement and were divided two groups: Group A, one-stage surgical protocol without RA; Group B, two-stage surgical protocol with RA. The initial width of KG and the width of KG at 1 week, 3 weeks, 3 months, and 6 months after surgery and baseline were measured using a paper ruler. Multivariable generalized estimating equation (GEE) models were estimated to evaluate RA effects on the gain in KG, the shrinkage amount of KG, and shrinkage ratio of KG after fAPF. RESULTS: Seventy-nine participants with 203 implants were included. The baseline values of KG were 1.68 mm in Group A and 0.82 mm in Group B (p < 0.001). The results of the multivariable GEE demonstrated that the gain in KG, the shrinkage amount of KG, and the shrinkage ratio of KG showed no significant difference in groups (p > 0.05). The gain in KG was 1.92 ± 1.67 mm in Group A, 1.48 ± 1.36 mm in Group B. The total shrinkage amount and the shrinkage ratio of KG were 1.87 mm and 42.43%, respectively. CONCLUSIONS: A fAPF is a reliable technique that enables significant increase in KG regardless of RA in implant surgery.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».