Retrospective assessment of patients' risk for peri‐implant diseases using the implant disease risk assessment (IDRA) tool: A cohort study
Notice bibliographique
Résumé
INTRODUCTION: The implant disease risk assessment (IDRA) tool was designed to assess an individual's risk of developing peri-implant diseases by evaluating and integrating multiple risk factors. This study aimed to evaluate the IDRA tool to determine the risk of developing peri-implant disease in patients rehabilitated with dental implants. METHODS: A retrospective observational cross-sectional study was conducted, collecting data from 92 patients with 92 selected dental implants. Data included the history of periodontitis, sites with bleeding on probing (BoP), teeth and/or implants with probing depths (PDs) ≥ 5 mm, alveolar bone loss relative to the patient's age, susceptibility to periodontitis, the frequency of supportive periodontal therapy (SPT), the distance from the restorative margin (RM) of the implant-supported prosthesis to the marginal bone crest (MBC), and factors related to the prosthesis itself. Additionally, the validated instrument periodontal risk assessment (PRA) was employed for comparison. Statistical analyses utilized Chi-square, Mann-Whitney, and ROC curve. RESULTS: Outcomes indicated that 62 implants (67.4%) were classified as high-risk. Among the IDRA parameters, history of periodontitis was the primary factor contributing to an increased risk (p < 0.001). IDRA revealed high sensitivity (100%) and low specificity (63%) (AUC = 0.685; 95% CI: 0.554-0.816; p = 0.047), and there was a low agreement between the IDRA and PRA tools (Kappa = 0.123; p = 0.014). The peri-implant disease developed in 16 implants with 5.44 (±2.50) years of follow-up, however, no significant association was observed between the high- and low-medium risk groups and the occurrence of peri-implant diseases. CONCLUSION: Most of the evaluated implants presented high IDRA risk. The IDRA tool exhibited high sensitivity and low specificity; no significant association was observed between the risk profile and the development of peri-implant diseases.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».