Impact of short implants numbers and prosthesis design on stress in the posterior mandible: FE analysis
Notice bibliographique
Résumé
Background: This study assessed the effect of the number of short implants on stress and strain distribution in bone in the posterior mandible using finite element analysis (FEA). Materials and Methods: The study design utilized FEA, a computational technique. In FEA models, short implants (4 mm diameter and 6 mm length) were placed at the site of the mandibular first premolar to the second molar in four models: (I) two implants at the sites of teeth #4 and #7 with two pontics at the sites of teeth #5 and #6, (II) three implants at #4, #5, and #7 with one pontic at #6, (III) three implants at #4, #6, and #7 with one pontic at #5, and (IV) four implants at #4, #5, #6, and #7 with no pontic. A 100 N load was applied vertically and at a 30° angle to the occlusal surface of the crowns. Stress and strain distribution patterns in bone were evaluated using ANSYS Workbench. Results: The highest maximum von Mises and shear stress and strain values under vertical and off-axial loadings were observed in the model with two short implants at the sites of teeth #4 and #7 with two pontics at the sites of teeth #5 and #6. In general, the highest stress and strain values were recorded following the application of off-axial loads compared to vertical loads. In all models, the highest stress was noted in the cervical part of the implants, while the maximum strain occurred in the apical part of the implants. Conclusion: Increasing the number of short implants significantly reduces stress and strain values in peri-implant bone.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».