Clinical Findings Arising from the Use of Silver Diamine Fluoride to Prevent or Treat Caries Lesions and Dentinal Hypersensitivity: A Data Mining Analysis
Notice bibliographique
Résumé
Objective: To summarize data of clinical trials that used silver diamine fluoride (SDF) to prevent and treat caries lesions and dentinal hypersensitivity. Material and Methods: Six electronic databases were searched in May 2022. The concentration of SDF, type of usage (alone/combined), dentition, anterior/posterior teeth, tooth region, dental tissue, number of the treated surfaces, the intervention environment, participants' age, frequency and duration of SDF application, purpose, and outcome were the extracted variables. The type of study, year of publication, authors, journals, and country were also investigated. Results: From 8860 articles, S3 were selected. Most were randomized (n=38), that applied 38% SDF (n=43), alone (n=44), on multiple surfaces (n=44), only in dentin (n=36), of the crown (n=46) of anterior and posterior (n=36) primary teeth (n=39). The studies were preferably carried out outside the clinic (n=3l), only in children (n=33), with reapplication of SDF (n=30), but did not inform the duration of application (n= 19). SDF was most used to treat (n=46) only caries lesions (n=50). They were published between 2001 and 2022, mainly in the Journal of Dentistry (n=10). China (n=19) and Lo E.GM (n=19) were the countries and authors that published the most, respectively. Conclusion: The silver diamine fluoride 38% alone was most used to treat caries lesions in the dentin of the crown of all primary teeth, preferably applied on multiple surfaces, requiring re application, and outside the clinic.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,029 | 0,025 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».