Six-year clinical performance of lithium disilicate glass-ceramic CAD-CAM versus metal-ceramic crowns
Notice bibliographique
Résumé
PURPOSE: To assess the clinical performance of monolithic CAD-CAM lithium disilicate glass-ceramic (LDGC) crowns and metal-ceramic (MC) crowns provided by predoctoral students. This study also assessed the effects of patient and provider-related factors on their clinical performance as well as patient preference for these types of crowns. MATERIALS AND METHODS: Twenty-five patients who received 50 crowns (25 LDGC CAD-CAM and 25 MC) provided by predoctoral students were retrospectively examined. LDGC CAD-CAM crowns were milled in-house using the CEREC Bluecam system and cemented with either RelyX Unicem or Calibra Esthetic resin cements. MC crowns were cemented with RelyX Unicem cement. Clinical assessment of the crowns and the supporting periodontal structures were performed following the modified California Dental Association (CDA) criteria. Patients' preference was recorded using a visual analog scale (VAS). The results were statistically analyzed using log-rank test, Pearson Chi-squared test and Kaplan-Meier survival analysis. RESULTS: Twelve complications were observed in the MC crown group (9-esthetic, 2-technical and 1-biological). In comparison, 2 complications in the LDGC CAD-CAM crown group were observed (1-technical and 1-esthetic). The 6-year cumulative survival rates for MC crowns and LDGC CAD-CAM were 90.8% and 96%, respectively, whereas the success rates were 83.4% and 96%, respectively. Overall, patients preferred the esthetic outcomes of LDGC CAD-CAM crowns over MC crowns. CONCLUSION: The high survival and success rates, low number of complications, and the high level of patients' acceptance of monolithic LDGC CAD-CAM crowns lend them well as predictable and viable alternatives to the "gold standard" MC crowns.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».