MétaCan
Menu
← Retour à la cohorte
Enregistrement W4323846344 · doi:10.3390/jcm12062159

Using an Attachment System with PEEK Matrices for Single-Implant Overdentures: In Vitro Retention Force

2023· article· en· W4323846344 sur OpenAlexaff
Ioana Fugariu, Raphael Freitas de Souza, Eduardo Rosas, Eduardo Borie

Notice bibliographique

RevueJournal of Clinical Medicine · 2023
Typearticle
Langueen
DomaineDentistry
ThématiqueDental Implant Techniques and Outcomes
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPeekImplantCyclingMedicineData retentionOrthodonticsComposite materialRetention timeBiomedical engineeringDentistryMaterials scienceSurgeryChemistry

Résumé

récupéré en direct d'OpenAlex

Single-implant overdentures (SIOs) represent a major biomechanical challenge in terms of prosthetic retention. The Novaloc attachment system has the potential to overcome those challenges when used for SIOs, due to the use of PEEK matrices. This study compared the retentive force of the Novaloc attachment to the traditional Locator system, before and after cyclic insertion-removal cycles. Three Novaloc matrices (white, yellow, and green, corresponding to low, medium, and high retention, respectively) and Locator (medium retention) were tested, totalling four groups. Retentive force was measured using an Imada force gauge before and after 1095 insertion-removal cycles, corresponding to a year of SIO wearing. Retention was tested with the implants angulated at 0, 10, and 20°. Data for the different groups, angles, and cycling periods were tested via linear regression analysis and two-way ANOVA (α = 0.05). Although the Locator system yielded higher retention forces in general, it lost a much higher percentage of retention with cycling. This trend was similar with the three angles, with forces being inversely proportional to the implant angulation. The authors conclude that Novaloc may provide more reliable retention for SIOs due to their higher resistance to insertion-removal cycling.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,209
Tête enseignante GPT0,476
Écart entre enseignants0,267 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Medicine→Même sujetDental Implant Techniques and Outcomes→Travaux en français237 207→