Long‐term impact of patients' compliance to peri‐implant maintenance therapy on the incidence of peri‐implant diseases: An 11‐year prospective follow‐up clinical study
Notice bibliographique
Résumé
OBJECTIVE: To prospectively evaluate the incidence of peri-implant diseases and the associated risk factors during 11 years of peri-implant maintenance therapy (PIMT). MATERIAL AND METHODS: A sample of 80 partially edentulous individuals rehabilitated with dental implants was invited to participate in a PIMT program (T1-prior to entering the PIMT program). After 11 years, 51 individuals remained regularly or irregularly adherent to PIMT (T2-last recall after 11 years) and were classified as regular (RC; n = 27) or irregular (IC; n = 24) compliers. Data of interest were analyzed using univariate and multivariate logistic regression analyses. RESULTS: The incidence of peri-implant mucositis and peri-implantitis observed at T2 in the IC group (70.8% and 37.5%, respectively) were significantly higher than those observed in the RC group (37.0% and 11.1%, respectively). The incidence of peri-implant diseases was mostly attributable to potentially modifiable risk factors, as such: RC group-PM (p = 0.013); IC group-high plaque index (p < 0.001), irregular compliance (p < 0.001), the presence of PM (p = 0.015) and periodontitis (p < 0.039). CONCLUSION: Regular compliance during PIMT had a strong effect in minimizing the incidence of peri-implant diseases. Increasing regular dental visits and improving oral hygiene would provide benefits for preventing peri-implant diseases.
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 | 0,004 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».