Evaluation of the accuracy of digital workflow for implant‐supported full‐arch fixed dental prostheses using a novel micro‐CT measurement technique
Notice bibliographique
Résumé
PURPOSE: This study aims to evaluate the accuracy of fit of full-arch implant titanium frameworks fabricated from a fully digital workflow using a novel micro-CT measurement technique. MATERIALS AND METHODS: A 3D-printed model with four implant analogs was fabricated. A baseline micro-CT was obtained after placing temporary cylinders on the model. Next, the printed model was scanned with an intraoral scanner (TRIOS 5), and the STL files were used to fabricate 10 titanium frameworks. Each framework was placed back on the model, and another micro-CT was taken under two conditions: single screw test (SST-CT) and final fit test (FFT-CT), and the measurements were compared to the baseline. Framework passivity was evaluated using a single-screw test (SST) and a screw-resistance test (SRT). The accuracy of the intraoral scans was assessed by superimposing the 10 scans with a laboratory scan STL to determine if the misfit was due to scanning or milling and designing errors. RESULTS: None of the frameworks was deemed acceptable using SST-CT, and only three had an acceptable fit using FFT-CT. SST and SRT non-passivity rates were 60% and 80%, respectively. Superimposition analysis revealed that only two intraoral scans used for framework fabrication fell within the acceptable deviation range of 150 microns, suggesting a high tendency for scanning errors and a possible milling or designing error in two samples. CONCLUSION: The results show a significant level of misfit. This suggests that the full-digital workflow for full-mouth rehabilitation can present some limitations. Due to the rapid advancement in intraoral scanning, further studies are required to validate these findings.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».