Temporomandibular Joint Disorders and Pain Confounders: An Awareness Study
Notice bibliographique
Résumé
OBJECTIVES: Temporomandibular disorders (TMD) are the most common nonodontogenic cause of orofacial pain, leading to morbidity and impairment. TMD presents a diagnostic challenge due to many aetiologies that exhibit comparable symptoms and refer pain to the temporomandibular joint (TMJ) region. Patients may be referred to dental specialists without accounting for all pain sources. This study aims to identify radiographic confounders (RCs) that can be mistaken for TMD in patients undergoing TMJ assessment using cone-beam computed tomography (CBCT). MATERIALS AND METHODS: A review of 369 CBCT oral maxillofacial radiology reports of the TMJ acquired between July 2020 and June 2023 was completed. Pertinent RCs were classified as endodontic lesions, impacted dentition, sinus pathologies, root fractures, soft tissue calcifications, and others. The chi-squared test assessed the significance of the relationship between RCs and patient variables. RESULTS: A total of 283 RCs were identified in 202 of the 369 cases (54.7%). The most frequent findings included sinus abnormalities (32.5%), endodontic lesions (15.2%), impacted dentition (12.7%), and elongated/calcified stylohyoid process (9.2%). Significant associations were found between sinus pathologies with TMD signs (P = .009) and gender (P = .001). CONCLUSION: Our results indicate that RCs that mimic TMD-related symptoms are prevalent in patients referred for TMJ CBCT imaging. CLINICAL RELEVANCE: Clinicians should be aware of these RCs when diagnosing complaints related to the TMJ. We recommend clinicians first obtain dental clearance and investigate all other potential sources of a patient's complaint before initiating referrals to avoid unnecessary costs and delays in patient care.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».