MétaCan
Menu
Retour à la cohorte
Enregistrement W4311604384 · doi:10.3389/fmed.2022.990421

Association between respiratory diseases and molar-incisor hypomineralization: A systematic review and meta-analysis

2022· review· en· W4311604384 sur OpenAlexafffundabout
Yago Gecy de Sousa Né, Déborah Ribeiro Frazão, Géssica de Oliveira Lopes, Nathália Carolina Fernandes Fagundes, Renata Duarte de Souza‐Rodrigues, Francisco Wanderley Garcia Paula‐Silva, Lucianne Cople Maia, Rafael Rodrigues Lima

Notice bibliographique

RevueFrontiers in Medicine · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueBone and Dental Protein Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesPró-Reitoria de Pesquisa e Pós-Graduação, Universidade Federal do ParáUniversidade Federal do ParáCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorUniversidade de São PauloConselho Nacional de Desenvolvimento Científico e TecnológicoUniversity of Alberta
Mots-clésMedicineCochrane LibraryPopulationDentistryObservational studyIncisorMEDLINEInternal medicineMeta-analysisEnvironmental health

Résumé

récupéré en direct d'OpenAlex

The molar-incisor permineralização (MIH) is a qualitative enamel developing abnormality involving the occlusal and/or incisal third of one or more molars or permanent incisors, caused by systemic factors. Several systemic disorders and environmental factors, such as respiratory diseases, have been reported as probable causes of MIH. Thus, this work aimed to evaluate whether respiratory diseases and MIH are associated. The searches were carried out in electronic databases, including PubMed, Scopus, Web of Science, the Cochrane Library, LILACS, OpenGrey, and Google Scholar. The acronym PECO was used, in which the P (population) was humans in permanent dentition stage; (E-exposure) molar-incisor hypomineralization; (C-comparison) reference population and (O - outcome) respiratory diseases. After the search retrieval, the duplicates were removed, and the articles were evaluated by title and abstract; then, the papers were read and thoroughly assessed. After selection, the risk of bias assessment was performed using the Newcastle-Ottawa Scale (NOS) for observational studies. The Grading of Recommendations, Assessment, Development, and Evaluation (GRADE) tool was used to assess the level of evidence. Three thousand six hundred and sixty six were found through the searches. After exclusion by duplicates, title, abstract, and full-reading, 13 articles remained. The articles included in this review evaluated the association of MIH with asthma, tonsilitis, pneumonia, and bronchitis. Most reports showed a low risk of bias. When exploring through GRADE, a very low level of evidence was found. We observed that the included studies showed that children with MIH had more respiratory diseases than the group that did not have MIH. Systematic review registration: https://osf.io/un76d.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,019
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0160,021
Bibliométrie0,0070,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,103
Tête enseignante GPT0,358
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in MedicineMême sujetBone and Dental Protein StudiesTravaux en français237 207