Periapical bone loss configuration in sub-Saudi patients afflicted with periapical abscesses: A 3D cone-beam computed tomography analysis
Notice bibliographique
Résumé
Abstract Introduction: Periradicular tissue can react to pulpal infection and necrosis by developing acute apical abscess (AAA) and/or chronic apical abscess (CAA). Both of these diseases display distinct clinical manifestations. The causes for the differing reactions remain unclear. The purpose of this study was to identify and analyze bone loss patterns in AAA and CAA within the Saudi subpopulation using cone-beam computed tomography (CBCT) imaging. Materials and Methods: The bony defect pattern of 84 CBCT scans for patients diagnosed to have AAA or CAA was assessed. The pattern of bone loss was recorded and assessed using a Chi-square test with the significance level set at P < 0.05 using SPSS software. Results: Out of 41 cases of AAA, 58.5% showed cortical fenestration, 19.5% showed corticated border, and 21.9% had fascial space infection. Out of 43 cases of CAA, 100% showed cortical fenestration, and 39.5% showed a corticated border. A significant difference ( P < 0.05) in cortical fenestration was seen in AAA compared to CAA. The highest occurrence of cortical fenestration in both AAA and CAA was found in the apical third area. Conclusions: Cortical fenestration is crucial for CAA development. Periradicular lesions lacking clear cortical fenestration can still induce AAA and fascial space involvement.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».