MétaCan
Menu
Retour à la cohorte
Enregistrement W4414343987 · doi:10.3390/children12091257

Pacifier Sizing as a Prescription for Better Oral Health Outcomes for Infants: A Call to Action

2025· article· en· W4414343987 sur OpenAlexaff
David A. Tesini, Clive Friedman, Adithya Kethu, K. Hendricks

Notice bibliographique

RevueChildren · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCleft Lip and Palate Research
Établissements canadiensLondon Health Sciences CentreWestern University
Organismes subventionnairesMassachusetts Life Sciences Center
Mots-clésPacifierMedical prescriptionAction (physics)TongueMassage

Résumé

récupéré en direct d'OpenAlex

Sucking is essential for feeding and impacts the development of the cranio-facial-respiratory complex (CFRC). Non-nutritive sucking on a pacifier causes palatal narrowing and modifies the natural balanced relationship between intraoral pressure, peristaltic action of the tongue and the palate. Advanced engineering models have shown that malocclusions caused by pacifier use, are often a result of improper sizing. The sizing of pacifiers has historically been based on chronological age. Chronological age is not a size metric. Undersized pacifiers in a baby’s mouth can cause growth complications, palatal collapse airway incompetence and other orthodontic problems that can last a lifetime. Technical advances in facial anthropometrics and predictability of the rapid growth of the infant palate, can guide recommendations for pacifier size and design. This encourages change to a model of biometric sizing. Smartphone applications are being developed that use Ai and machine learning can predict conformity between palatal width and pacifier width.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,204
Score d'incertitude au seuil0,323

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,380
Écart entre enseignants0,349 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChildrenMême sujetCleft Lip and Palate ResearchTravaux en français237 207