Soft tissue phenotype modification predicts gingival margin long‐term (10‐year) stability: Longitudinal analysis of six randomized clinical trials
Notice bibliographique
Résumé
AIM: To assess the prognostic value of soft tissue phenotype modification following root coverage procedures for predicting the long-term (10-year) behaviour of the gingival margin. MATERIALS AND METHODS: Participants from six randomized clinical trials on root coverage procedures at the University of Michigan were re-invited for a longitudinal evaluation. Clinical measurements were obtained by two calibrated examiners. A data-driven approach to model selection with Akaike information criterion (AIC) was carried out via multilevel regression analyses and partial regression plotting for changes in the level of the gingival margin over time and interactions with the early (6-month) results of soft tissue phenotypic modification. RESULTS: One-hundred and fifty-seven treated sites in 83 patients were re-assessed at the long-term recall. AIC-driven model selection and regression analyses demonstrated that 6-month keratinized tissue width (KTW) and gingival thickness (GT) influenced the trajectory of the gingival margin similarly in a concave manner; however, GT was the driving determinant that predicted significantly less relapse in the treatments, with stability of the treated gingival margin obtained beyond values of 1.46 mm. CONCLUSIONS: Among a compliant patient cohort, irrespective of the rendered therapy, the presence of at least 1.5 mm KTW and 1.46 mm GT was correlated with the long-term stability of the gingival margin.
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 | 0,028 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».