Clinical efficacy of two vertical soft tissue augmentation techniques for peri‐implant crestal bone level stability: A randomized clinical trial
Notice bibliographique
Résumé
Abstract Objectives This study aimed to compare the efficacy of two techniques—acellular dermal matrix (ADM) grafting and tenting technique (TT)—for soft tissue height (STH) augmentation simultaneous to implant placement to minimize peri‐implant crestal bone level (CBL) changes. Methods Forty patients with a healed single mandibular posterior edentulous site with a thin soft tissue phenotype were enrolled. Twenty patients received simultaneously to implant placement ADM grafting, while the others received submerged healing abutment (TT). Clinical peri‐implant soft tissue height and radiographic CBL changes were measured at restoration delivery and 1‐year follow‐up. Results Both techniques effectively increased soft tissue thickness, resulting in a final average STH of 3.4 ± 0.5 mm after augmentation. On average, soft tissue increased by 1.6 ± 0.5 mm in group ADM and by 1.8 ± 0.4 mm in group TT after augmentation. In Group ADM, mesial CBL decreased from 0.4 ± 0.3 mm to 0.1 ± 0.2 mm, and distal CBL decreased from 0.5 ± 0.3 mm to 0.2 ± 0.3 mm over 1 year. In Group TT, mesial CBL remained stable at 0.3 ± 0.2 mm, while distal CBL reduced slightly from 0.5 ± 0.5 mm to 0.3 ± 0.2 mm. Both groups showed minimal changes in CBL, indicating great stability (pmesial = 0.003, pdistal = 0.004). TT was particularly effective in preventing mesial bone loss (pmesial = 0.019). The mesial CBL changes significantly differed between groups (p = 0.019), and not significantly at distal sites (p = 0.944). Neither treatment exhibited significant bone remodeling below the implant shoulder. Conclusion This study suggests that both techniques were successful in STH augmentation, and they may effectively reduce peri‐implant crestal bone level changes, with TT being slightly superior. TT was more prone to post‐surgical complications. This RCT was not registered before participant recruitment and randomization.
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 | 0,003 | 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 | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».