Prevalence and Clinico‐Pathologic Profiles of Nonodontogenic Cysts of the Oral and Maxillofacial Region: A Multicentre Study
Notice bibliographique
Résumé
Objectives: To determine the prevalences, demographic, and pathologic profiles of patients diagnosed with nonodontogenic cysts (NOCs) in the oral and maxillofacial regions. Materials and Methods: Biopsy records from the participating institutions from 2000 to 2024 were studied for lesions diagnosed in the NOC category. Demographic profiles, the locations, and pathologic diagnoses were collected. Data were analyzed by using IBM SPSS Statistics version 29.0. Results: A total of 183,132 cases were obtained and 1864 cases (1.02%) were diagnosed as NOCs. The age of the patient ranged from 1 to 96 years with mean ± SD = 49.03 ± 18.43 years. The overall male-to-female ratio was 1.08:1. The majority of the lesions were encountered in the soft tissue. The most prevalent NOC was nasopalatine duct cyst followed by mucus retention cysts and nasolabial cysts. Conclusions: This study is the largest study on NOCs from Southeast Asia, the Middle East, and North America. The frequency of NOCs found in this studied population is somewhat different from those reported in previous studies. This study offers a valuable database for clinicians to facilitate the clinical differential diagnoses along with for the pathologists in rendering the final diagnosis.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».