MétaCan
Menu
← Retour à la cohorte
Enregistrement W4391965898 · doi:10.47363/jdsr/2024(6)167

Failures in Fixed Dental Prostheses: A Clinical Survey on Causes and Longevity

2024· article· en· W4391965898 sur OpenAlexaboutno aff
Maha Fouad, Eman Allam

Notice bibliographique

RevueJournal of Dental Science Research Reviews & Reports · 2024
Typearticle
Langueen
DomaineDentistry
ThématiqueDental Implant Techniques and Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFixed prosthodonticsMedicineCrown (dentistry)DentistryDental prosthesisProsthesisSurgery

Résumé

récupéré en direct d'OpenAlex

Crown and bridge failures are considered one of the most frequent challenges that dentists deal with on a daily basis. The aim of the current study was to assess the causes of failures in fixed dental prostheses in patients reporting to the dental clinics at Ahram Canadian University, Cairo, Egypt. Using a comprehensive clinical survey, causes of failures and serviceability patterns of the fixed dental prostheses (FDP) were explored in a sample of 80 patients (mean age 39.7±11) visiting the clinic for complications related to FDP. Patients were clinically and radiographically examined, and all symptoms related to their complaints were recorded. Descriptive analysis was performed, and SPSS version 22 was used for statistics. Results indicated that most of the failures were mechanical in nature (30%), followed by biological failures (20%), and then aesthetics reasons (11%). 45.7 % of the FDP served for 1-5 years, 28.6 % served for 6-12 months, 14.30% served for more than 5 years, while the least numbers of prostheses (11.4%) served for less than 6 months. Proper patient selection, diagnosis, and treatment planning is essential to maintain and increase the longevity of FDP. It is also crucial to educate patients about good dental hygiene and prosthesis maintenance as well as for the dentist to fully recognize the disadvantages of each dental material to prevent the problems they induce and be able to make the best decision.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,262
Tête enseignante GPT0,548
Écart entre enseignants0,286 · 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'étudeObservationnel
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dental Science Research Reviews & Reports→Même sujetDental Implant Techniques and Outcomes→Travaux en français237 207→