Treatment outcomes of digital nasoalveolar moulding in infants with cleft lip and palate: A systematic review with meta‐analysis
Notice bibliographique
Résumé
Abstract The aim of this systematic review was to compare the treatment outcomes of digital nasoalveolar moulding (dNAM) technique with conventional nasoalveolar moulding (cNAM) or non‐presurgical intervention protocol in infants with unilateral (UCLP) or bilateral (BCLP) cleft lip and palate. A bibliometric search by MEDLINE (via Ovid), Embase, Cochrane Library, grey literature and manual method was conducted without language restriction until November 2023. Literature screening and data extraction were undertaken in Covidence. The risk of bias was evaluated using the Newcastle‐Ottawa Scale and RoB‐2. Pooled effect sizes were determined through random‐effects statistical model using R‐Software, and the certainty of evidence was assessed using the GRADE approach. Among 775 retrieved articles, nine studies were included for qualitative synthesis (6‐UCLP, 3‐BCLP), with only three eligible UCLP studies for meta‐analysis. In the UCLP group, very low certainty of evidence indicated no difference in alveolar cleft width (SMD, 0.13 mm; 95% CI, −0.31 to 0.57; I2, 0%), soft tissue (lip) cleft gap, nasal width, nasal height, and columellar deviation angle changes between dNAM and cNAM. In the BCLP group, qualitative synthesis suggested similar changes in alveolar, lip, and nasal dimensions with dNAM and cNAM. In both cleft groups (UCLP, BCLP), reduced alveolar cleft width was observed in the dNAM group compared to the non‐presurgical intervention protocol, along with fewer clinical visits and reduced chairside time for dNAM compared to cNAM. It can be concluded that the treatment outcomes with dNAM were comparable to cNAM in reducing malformation severity and were advantageous in terms of chairside time and clinical visit frequency. However, the overall quality of evidence is very low and standardization is needed for the virtual workflow regarding the alveolar movements and growth factor algorithms. Registration: PROSPERO‐database (CRD42020186452).
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 | 0,011 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,032 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».