MétaCan
Menu
Retour à la cohorte
Enregistrement W4386834307 · doi:10.7759/cureus.45440

Hybrid Navigation Technique for Improved Precision in Implantology

2023· article· en· W4386834307 sur OpenAlexaboutno aff
Kshitiz Chhabra, Sahana Selvaganesh, Thiyaneswaran Nesappan

Notice bibliographique

RevueCureus · 2023
Typearticle
Langueen
DomaineDentistry
ThématiqueDental Implant Techniques and Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDICOMMedicineCone beam computed tomographyNavigation systemProtocol (science)Tessellation (computer graphics)Dental implantSoftwareImplantComputer visionOrthodonticsComputed tomographyComputer scienceArtificial intelligenceComputer graphics (images)RadiologySurgery

Résumé

récupéré en direct d'OpenAlex

The hybrid navigation technique involves the merging of the Dynamic navigation (DN) system (Navident, Claronav, Canada) and static navigation technique (3Shape, Copenhagen, Denmark). Combining the advantages of both techniques, devising a protocol of hybrid navigation will be advantageous to eliminate the difficulties faced by operators in using either methods separately. Three patients requiring dental implants were included in this study. This requires the cone beam computed tomography (CBCT) (Digital Imaging and Communications in Medicine (DICOM) data) and intra-oral scan (Standard Tessellation Language (STL) format) data for the accurate planning of the implant positions in both the static and dynamic approaches. The steps carried out were repeated for each of the patients, the accuracy of the implant placement was verified postoperatively by merging the CBCT data pre and post through the Evalunav software (NaviDent, Claronav). The accuracy of the implants placed were assessed based on the mesio-distal, bucco-lingual, apical deviations in distance and in angulation. The semi-robotic DN and static guide combination as a hybrid technique is an interesting method to improve the accuracy of flapless implant surgeries and can be used in cases where the anatomical landmarks are determinant factors for the implant placement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,116
Score d'incertitude au seuil0,442

Scores Codex et Gemma par catégorie

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

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 Opus0,030
Tête enseignante GPT0,348
Écart entre enseignants0,318 · 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 tête enseignante, 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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetDental Implant Techniques and OutcomesTravaux en français237 207