Diagnosis and prevalence of probable awake and sleep bruxism in adolescents: an exploratory analysis
Notice bibliographique
Résumé
The aims of this study were to perform an exploratory analysis of probable awake (AB) and sleep bruxism (SB) prevalence using of different diagnosis criteria based on the International Consensus; evaluate the associations between self-report and clinical signs/symptoms in adolescents. Participated in this cross-sectional study 403 adolescents aged 12- to 19-years-old enrolled in public and private schools from Belo Horizonte, Brazil. Parents/caregivers answered a questionnaire about sociodemographic status and adolescents' health status. Adolescents answered a questionnaire evaluating AB (e.g., grinding and clenching) and SB (e.g., grinding, bracing, and thrusting) activities and frequent headaches. A clinical examination was performed on adolescents to evaluate bruxism clinical signs/symptoms (pain upon palpation on masseter and temporal, linea alba, indentation on the tongue and attrition wear severity). Descriptive statistics and Pearson's Qui-square test were performed (P≤0.05). Adolescents mean age was 14.3±1.5 years, and 58.1% were female. Self-report of SB was identified in 31% of participants and self-report of AB in 51.6%. Almost all adolescents (99%) presented at least one tooth with attrition wear (98.5% on enamel and 0.5% on dentin), with a mean number of 12.4±5.7 teeth. Depending on the diagnosis criteria, the prevalence of probable SB and AB varied from 0- 99% and 0.2- 99%, respectively. A high inconsistency was found for the prevalence of probable AB and SB in adolescents, which were influenced by the different clinical sings/symptoms used as diagnosis criteria. Frequent headaches and pain upon palpation on masseter and temporal muscle were associated to self-report of AB and SB among adolescents.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».