Comparative analysis of different types of occlusal splints for the management of sleep bruxism: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Sleep bruxism is a prevalent condition in dentistry practice, characterized by involuntary grinding or clenching of the teeth during sleep. Several therapies, including occlusal splints, have been used to manage sleep bruxism and temporomandibular disorders, including occlusal splints. This study aimed to compare the effectiveness of different occlusal splints in managing sleep bruxism. METHODS: The PICO framework encompasses the characterization of the population, intervention, comparison, and pertinent outcomes. A comprehensive and systematic literature review was conducted on PubMed, Scopus, and Google Scholar to identify grey literature. The search specifically targeted scientific studies published before September 20, 2023. The Cochrane Collaboration Risk of Bias Tool assessed the accuracy of the included Randomized Control Trials (RCTs). The modified Newcastle-Ottawa Scale assessed non-randomized studies. Data were systematically extracted, synthesized, and reported thematically. RESULTS: Out of the total of 808 articles that were evaluated, only 15 articles were found to meet the specified inclusion criteria. Adjustable splints, such as full-occlusion biofeedback splints, were more effective in reducing sleep bruxism episodes, improving patient-reported symptoms, and enhancing overall well-being. The impact of different occlusal sprints on electromyographic activity varies, and potential adverse effects should be considered individually. CONCLUSIONS: This review provides valuable insights into the effectiveness of occlusal splints in managing sleep bruxism. The results of this study indicate that occlusal splint therapy is a viable treatment approach for sleep bruxism.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».