Systematic review and meta-analysis on marginal bone loss of dental implants placed in augmented or pristine bone sites: Findings from clinical long-term studies
Notice bibliographique
Résumé
OBJECTIVES: Bone augmentation can be a risk factor for complications in dental implant therapy. Aim of this systematic review and meta-analysis was to assess the marginal bone loss (MBL) between dental implants placed in augmented or pristine bone sites. STUDY SELECTION: Four electronic databases (PubMed, Embase, Scopus, and Web of Science) were searched for clinical studies with a follow-up period of at least five years. Additionally, a hand search was performed. Risk of bias was assessed using the Newcastle-Ottawa-Scale for non-randomized studies and Cochrane risk-of-bias-tool-2 for randomized controlled trials. Random-effect meta-analysis was performed for the mean MBL at implant level after 5 years of loading for dental implants placed in pristine and augmented bone sites. The study was registered in PROSPERO: CRD42024615716. SOURCES: A total of 11 sources reporting on 10 studies were included. Four studies examined dental implants placed in pristine bone sites, four in augmented bone sites, and two in both conditions. DATA: Random-effect meta-analysis for pristine bone sites estimated a mean MBL of 0.79 mm (95 % CI: 0.32-1.26) and for augmented bone sites a mean MBL of 1.90 mm (95 % CI: 1.73-2.07) after five years with a high heterogeneity of MBL reported in included studies. CONCLUSIONS: Pre-implant augmentation appears to be one but not the only risk factor for MBL. Future studies on implant complications should describe in detail the patient (e.g., adherence, periodontitis history) and local factors (e.g., cleanability of superstructure, attached mucosa) in order to identify further risk factors in the long term. CLINICAL SIGNIFICANCE: Dental implants in augmented bone sites show greater MBL after five years compared to pristine bone sites. Augmentation may increase early bone remodeling. Clinicians should consider augmentation-related remodeling dynamics and patient-specific risk factors when planning implant therapy to optimize long-term outcomes and reduce complications associated with peri‑implant bone loss.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,005 |
| 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 ».