Positioning and preparation errors impacting dental panoramic radiographs in patients with mixed dentition
Notice bibliographique
Résumé
Purpose: This study aimed to evaluate the quality of clinically indicated digital dental panoramic radiographs (DPRs) of children with mixed dentition. Despite the likely widespread use of this modality, recent research detailing errors on DPRs is scarce. Materials and Methods: A consecutive case series was performed, including 178 DPRs from patients aged 6 to 12 years. Each DPR was reviewed for 10 distinct errors. The findings were analyzed to identify potential solutions. Results: Nearly three-quarters of the DPRs contained multiple errors. Linear regression analysis indicated that the number of errors decreased with increasing patient age; however, this trend was not statistically significant. Notably, 3 groups of errors (2 errors each) frequently appeared together on the same DPR. When similar errors were grouped, the error incidence decreased significantly with age. Both leftward head tilting and rightward head rotation were observed, likely attributable to the design of the DPR room and the door location. The inter-rater and intra-rater reliability agreements were deemed "substantial" or "almost perfect, beyond chance" for the detection of most errors, particularly the most frequent types, which involved the "chin," "tongue," and "lips-open" positions. Conclusion: As a pediatric patient ages, the number of DPR errors decreases. The results suggest several pre-exposure strategies that could reduce the error rate. These include, monitoring for a "lips-open" position as an indicator of a potential "tongue" error (occluding the palate-glossal space), and implementing dry runs. Asymmetries observed on DPR must be documented and should prompt re-examination, as they may be genuine.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».