Success Rate of Dental Implants in Patients with Autoimmune Disorders: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
A bstract Aim: Autoimmune disorders may affect bone metabolism and tissue healing, potentially influencing dental implant outcomes. This systematic review and meta-analysis aimed to assess implant survival and success in patients with autoimmune diseases, with particular focus on marginal bone loss (MBL) and bleeding on probing (BOP). Materials and Methods: A comprehensive search of seven databases (PubMed, MEDLINE, Embase, Scopus, Web of Science, Cochrane Library, and CINAHL) was conducted following Preferred Reporting Items for Systematic Reviews and Meta-Analyses guidelines. Fourteen observational studies including 2657 participants were included. Risk of bias was assessed using ROBINS-I and Newcastle–Ottawa scale. Meta-analyses were performed using a random-effects model. Results: Implant survival rates ranged from 76.4% to 100% across autoimmune conditions. No significant differences in MBL were observed for patients with type 1 diabetes or Sjögren’s syndrome compared to controls, while rheumatoid arthritis (RA) patients showed significantly increased MBL [MD = 1.60 mm; 95% confidence intervals (CI) = 1.13–2.07; P < 0.00001]. RA patients also had lower odds of BOP (OR = 0.13; 95% CI = 0.05–0.36; P < 0.0001). Overall, autoimmune conditions were associated with reduced BOP (OR = 0.24; 95% CI = 0.06–0.91; P = 0.04). Conclusion: Dental implants demonstrate favorable survival in autoimmune patients, although RA and diabetes may increase MBL risk. Tailored treatment planning and follow-up are essential. Further high-quality studies are needed to confirm disease-specific risks.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».