MétaCan
Menu
Retour à la cohorte
Enregistrement W4366988191 · doi:10.3390/dj11050111

Etiological Factors of Molar Incisor Hypomineralization: A Systematic Review and Meta-Analysis

2023· review· en· W4366988191 sur OpenAlexaboutno aff
María Lilia Adrian Juárez-López, Leslie Vanessa Salazar-Treto, Beatriz Hernández-Monjaraz, Nelly Molina‐Frechero

Notice bibliographique

RevueDentistry Journal · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueBone and Dental Protein Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMeta-analysisMedicineEtiologyIncisorOrthodonticsDentistryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Molar incisor hypomineralization (MIH) is a defect of the dental enamel that predominantly affects first molars and permanent incisors. Identifying the significant risk factors associated with MIH occurrence is essential for the implementation of prevention strategies. The purpose of this systematic review was to determine the etiological factors associated with MIH. A literature search was carried out from six databases until 2022; it covered pre-, peri-, and postnatal etiological factors. The PECOS strategy, PRISMA criteria, and the Newcastle–Ottawa scale were used, and 40 publications were selected for qualitative analysis as well as 25 for meta-analysis. Our results revealed an association between a history of illness during pregnancy (OR 4.03 (95% CI, 1.33–12.16), p = 0.01) and low weight at birth (OR 1.23 (95% CI, 1.10–1.38), p = 0.0005). Furthermore, general illness in childhood (OR 4.06 (95% CI, 2.03–8.11), p = 0.0001), antibiotic use (OR 1.76 (95% CI, 1.31–2.37), p = 0.0002), and high fever during early childhood (OR 1.48 (95% CI, 1.18–1.84), p = 0.0005) were associated with MIH. In conclusion, the etiology of MIH was found to be multifactorial. Children with health disorders in the first years of life and those whose mothers underwent illnesses during pregnancy might be more susceptible to MIH.

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)0,020
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 enseignants0,013
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,020
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0130,024
Bibliométrie0,0060,007
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
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 Opus0,325
Tête enseignante GPT0,437
Écart entre enseignants0,113 · 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

Citations57
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDentistry JournalMême sujetBone and Dental Protein StudiesTravaux en français237 207