Prevalence of Malocclusion Traits in Primary Dentition, 2010–2024: A Systematic Review
Notice bibliographique
Résumé
The present review was aimed to describe the prevalence and the regional distribution of malocclusion among preschool children worldwide. Two independent reviewers performed a systematic literature search to identify English publications from January 2010 to May 2024 using PubMed, ISI Web of Science and Embase. Search MeSH key words were “malocclusion”, “primary dentition” and “child, preschool”. The reporting quality was assessed by the modified Newcastle–Ottawa Quality Assessment Scale. We identified 2599 publications and recruited 47 articles. Fourteen of the included studies were conducted in Asia, four in Europe, twenty-eight in South America and one in Africa. The prevalence of malocclusion ranged from 28.4% to 83.9%, and half of the reported prevalences were higher than 50%. The highest percentage was in Asia (61.81%), followed by Europe (61.50%), South America (52.69%) and Africa (32.50%). Statistically significant differences existed in deep overbite, anterior open bite, posterior crossbite, edge-to-edge incisor relationship and distal step between continents (p < 0.05). Europe showed the highest prevalence (33.08%) of deep overbite. Africa showed the highest prevalence (18.60%) of anterior open bite. Europe showed the highest prevalence (15.38%) of posterior crossbite. The most common malocclusion traits were increased overjet and deep overbite. To conclude, malocclusion remained prevalent in the primary dentition and varied between countries.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».