What Do Patients Prefer in Periodontal and Implant Therapy? A Scoping Review
Notice bibliographique
Résumé
AIMS: Understanding and integrating patients' preferences into clinical practice can enhance personalized care, improve patient's adherence to treatment, and lead to better therapeutic outcomes. The aim of this scoping review was to map the existing literature investigating patients' preferences in periodontal and implant therapy while identifying key areas for future research and development. METHODS: Following the Preferred Reporting Items for Systematic Reviews and Meta-Analyses for Scoping Reviews (PRISMA-ScR) guidelines, an electronic search was conducted in four databases (PubMed, Google Scholar, Cochrane Library, and ScienceDirect) in July 2024 to identify studies evaluating patients' preferences for periodontal and implant therapy. RESULTS: The literature search yielded 384 studies, of which eight articles met the inclusion criteria. These studies were conducted between 2003 and 2019 in Brazil, China, Austria, Italy, Germany, Canada, USA, Chile, France, Spain, and Portugal. A total of 1642 patients were included. Preferences were assessed using various quantitative and mixed methodologies. Results indicate a strong preference for treatments aimed at preserving teeth, favoring conservative approaches. When teeth cannot be restored, most patients prefer an implant-supported fixed partial denture to avoid damaging adjacent teeth with a conventional tooth-supported fixed partial denture. In this context, treatment predictability is ranked as the most important factor. While no sociodemographic factors appeared to be associated with preferences in periodontal treatments, several predictors were identified for dental implant therapy. Younger patients, women, individuals with higher education levels, and those with high perceived dental health showed a higher willingness to pay for dental implants. CONCLUSION: The literature on patients' preferences in periodontal and implant therapies is scarce. Several trends are identified but further longitudinal studies are needed to explore patients' preferences over time and the role of sociodemographic and cultural segmentation criteria.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».