Evaluation of masticatory performance and patient satisfaction for conventional and 3D-printed implant overdentures: a randomized crossover study
Notice bibliographique
Résumé
BACKGROUND: This crossover clinical study aimed to evaluate and compare masticatory performance and patient satisfaction for patients rehabilitated with conventional heat-cured acrylic resin and 3D-printed mandibular implant overdentures retained with bar attachment. MATERIALS AND METHODS: Sixteen completely edentulous healthy participants received new conventional dentures. In the mandible, four interforaminal implants were inserted. Following the stage of osseointegration, the bar was constructed in a trapezoidal configuration. Each patient randomly received the following overdentures using a crossover design: (1) conventional heat-cured acrylic resin overdenture and (2) 3D-printed overdenture (developed by scanning of mandibular conventional overdenture). The masticatory performance was assessed by conducting a two-colour mixing ability test at 5, 10, 20, 30, and 50 masticatory cycles. Moreover, the McGill Denture Satisfaction Questionnaire (MDSQ) was employed to assess patient satisfaction. Evaluation was performed after 3 months of using each overdenture. Paired sample t tests were used to compare the masticatory performance and MDSQ scores of patients for both prostheses. RESULTS: No significant difference in masticatory performance was reported between the two types of overdentures. Regarding patient satisfaction, only the esthetic aspect was significantly better for conventionally processed overdentures than for printed overdentures. Insignificant differences were observed regarding other MDSQ items between the two overdentures. CONCLUSION: Within this clinical study, 3D-printed implant overdentures showed promising results in terms of chewing efficiency and patient satisfaction compared to conventionally fabricated implant overdentures. TRIAL REGISTRATION: Retrospectively registered at www. CLINICALTRIALS: gov : NCT06148727.(28/11/2023).
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».