Prevalence of temporomandibular disorders among psychoactive substances abusers: A systematic review and meta‐analysis
Notice bibliographique
Résumé
INTRODUCTION: The COVID-19 pandemic has had a significant impact on substance abuse patterns in recent times. Many people have experienced increased stress, anxiety, and social isolation, which has led to higher rates of substance abuse and addiction. It impacts on the orofacial region, particularly temporomandibular joint (TMJ). This review was undertaken to assess the association between substance abuse and temporomandibular disorders. (TMDs). MATERIALS AND METHODS: The databases of PubMed, Google Scholar, Web of Science and Cochrane were searched for articles based of set PECO criteria. A comprehensive search using keywords of "Psychoactive substances", "Illegal substances", "substance abuse", "narcotics", "temporomandibular joint" and "temporomandibular joint disorders" yielded a total of 1405 articles. Modified Newcastle-Ottawa Scale for observational studies assessed the risk of bias of included studies. RESULTS: Two studies were reviewed. Samples recruited were either from rehabilitation centres or prisoners and fell in the second to fourth decade. A definite association was noted between psychoactive substance and TMDs. Moderate to low risk of bias was noted in all the studies evaluated. CONCLUSION: Further research is needed to better understand the nature of this relationship and the underlying mechanisms involved. It is important for healthcare providers to be aware of this potential association and to screen for substance abuse in patients with TMD symptoms.
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 | 0,007 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».