Accuracy of Dental Implant Placement Using Dynamic Navigation With Different Optical Tracking Systems: An In Vitro Study
Notice bibliographique
Résumé
BACKGROUND: While dynamic navigation systems demonstrate superior precision in implant placement, the influence of variations in optical tracking technology on accuracy warrants further investigation. PURPOSE: To compare the accuracy of dynamic navigation for implant placement using active infrared (AI), passive infrared (PI), and passive blue light (PB) optical tracking technologies. The null hypothesis is that there is no significant difference between the three alternative optical tracking technologies. MATERIALS AND METHODS: Three surgeons placed implants on 10 models using AI, PI, and PB optical tracking systems. Implants were placed on two sites per model (mandibular central incisors and mandibular first molar), with 180 implants assigned to be placed into 90 mandible models. The planned and placed implant positions were superimposed to assess procedural accuracy. RESULTS: The mean coronal, apical, and axial deviations for all implants were 0.82 ± 0.02 mm, 0.92 ± 0.02 mm, and 1.56° ± 0.06°, respectively. In the mandibular left central incisors, the coronal, apical, and axial deviations of the PB and AI groups and the PB and PI groups were significantly different (p < 0.032, p < 0.001, p < 0.001, respectively, and both p < 0.001). In the mandibular left first molar, the coronal, apical, and axial deviations of the PB and PI groups were significantly different (p < 0.001, p < 0.001, p = 0.003, respectively). The coronal and apical deviations of the PB and AI groups exhibited statistically significant differences (both p < 0.001). CONCLUSIONS: The PB optical tracking system outperformed the AI and PI optical tracking systems regarding dynamic navigation accuracy, while the AI and PI optical tracking systems were comparable. All systems exhibit sufficient accuracy in vitro.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».