Exploring the Association Between Clinical Features and CBCT Findings in TMJ Degenerative Joint Disease
Notice bibliographique
Résumé
BACKGROUND: Temporomandibular joint (TMJ) degenerative joint disease (DJD) involves progressive osseous changes and is commonly associated with temporomandibular disorders (TMD). Cone-beam computed tomography (CBCT) is a valuable diagnostic tool for evaluating these changes. However, the relationship between clinical signs and symptoms, such as TMJ clicking or pain and radiographic findings remains poorly understood. Clarifying these associations can refine imaging prescribing practices and improve patient-specific diagnostic strategies. OBJECTIVE: This study aimed to investigate the association between clinical signs and symptoms of TMD and radiographic features of TMJ DJD detected on CBCT, emphasising its diagnostic value and limitations. METHODS: A retrospective chart review of 98 patients (196 TMJs) was conducted at a university-based oral medicine clinic. Clinical signs, including TMJ clicking, muscle pain and joint pain, were documented and CBCT findings, such as osteophytes and erosions, were analysed. Logistic regression was used to assess associations. RESULTS: A significant association was identified between TMJ clicking and the presence of osteophytes (p < 0.05). No significant associations were observed between other clinical features, including muscle and joint pain and CBCT findings. CONCLUSION: The findings support an indication-driven approach to CBCT imaging, highlighting its diagnostic value in patients with specific clinical presentations, such as TMJ clicking, combined with additional clinical indicators. Routine CBCT imaging for all patients with TMD is not justified and future research should focus on refining imaging guidelines to ensure judicious use in TMJ diagnostics.
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 | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 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 ».