Effectiveness of T-Scan Technology in Identifying Occlusal Interferences and its Role in the Management of Temporomandibular Disorders: A Systematic Review
Notice bibliographique
Résumé
Introduction: Occlusion is a significant issue that affects the masticatory system’s health. Temporomandibular Disorders (TMD) have long been linked to occlusal interferences. Identification and management of such disorders using a T-scanguided approach have been gaining popularity; however, the effectiveness is still not established. Aim: To evaluate the effect of T-scan on the reduction of Visual Analogue Scale (VAS) scores of pain and improvement in the symptoms associated with TMD. The benefits of reducing Disocclusion Time (DT) were also evaluated. Materials and Methods: The Medical Literature Analysis and Retrieval System Online (MEDLINE) database via PubMed and Excerpta Medica Database (EMBASE) were searched for studies reporting the use of T-scan in Temporomandibular Joint (TMJ) disorders to check the DT and patient-related outcomes. The search was performed from January 1991 to November 2022. A total of 10 studies were included in the systematic review, which includes clinical studies, observational studies, and interventional studies. Data extraction was performed, and risk of bias assessment was done using the Newcastle-Ottawa scale (NOS) for non randomised studies, and the Cochrane tool was utilised for randomised clinical trials. A qualitative analysis of all the studies was carried out. Results: The T-scan-guided occlusal correction or equilibration procedures led to improvement in subjective symptoms and VAS in TMD patients. Reduction in DT positively affected muscle activity, causing relief of chronic symptoms. Conclusion: As per the findings of the present review, T-scan technology can be successfully used in the precise identification and diagnosis of occlusal discrepancies in patients suffering from myofascial symptoms.
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 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,010 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».