Efficacy of CBCT in Detecting Maxillary Sinus Mucosal Thickening and Periapical Pathology in Patients with Odontogenic Anomaly – A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
Abstract Introduction: Odontogenic infection leads to increased thickness of maxillary sinus membrane. This is aided by close relationship between the roots of upper posterior teeth and floor of the maxillary sinus. This can be viewed by using imaging modalities. Aim: The review has been conducted to compare CBCT (Cone Beam Computed Tomography) with Orthopantomogram (OPG) in detecting maxillary sinus membrane thickening in patients with odontogenic anomaly through a meta-analysis. Materials and Methods: The review was carried out by following Preferred Reporting Items for Systematic Reviews and Meta-Analysis (PRISMA) guidelines and was registered as PROSPERO 2023 CRD42023390257. PubMed, Google Scholar and EBSCO host were queried for literature published from January 2000 to December 2022. Newcastle Ottawa scale evaluated the quality of articles. Results: Statistical analysis was performed and forest plot was plotted using RevMan (Review Manager) software version 5.3. Five studies were eligible and two of them were suitable for Meta-Analysis. The Standardized Mean Difference yielded a pooled estimate of 0.39 and preferred CBCT using a random effect model with a P value of 0.02 and an I 2 (heterogeneity) value of 59%. Funnel plot showed absence of publication bias. Conclusion: It was concluded that CBCT was effective, as compared to OPG in detecting maxillary sinus membrane thickening with odontogenic anomaly.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| Bibliométrie | 0,002 | 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 | 0,000 |
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 ».