Desempenho clínico de restaurações CAD-CAM monolíticas em zircónia suportadas por dentes : uma revisão sistemática
Bibliographic record
Abstract
Introdução: Restaurações zircónia-cerâmica são amplamente utilizadas para restaurar dentes extensamente destruídos. Esta situação apresenta vantagens estéticas, mas também uma ocorrência significativa de fratura da cerâmica de revestimento. De forma a ultrapassar este fenómeno, foram introduzidas, particularmente neste séc. XXI, as restaurações em zircónia monolítica, i.e., materiais que não são recobertos com uma cerâmica vítrea. Deste modo, o objetivo desta investigação é avaliar a taxa de sobrevivência, o desempenho e comportamento clínico de coroas unitárias suportadas por dentes, efetuadas em zircónia monolítica, com tecnologia CAD/CAM. Metodologia: Foi efetuada uma pesquisa eletrónica utilizando as bases de dados Medline/PubMed®, Embase® e Cochrane Library com uma estratégia de pesquisa específica combinando termos controlados (MeSH and Emtree) e linguagem natural, de acordo com as especificações de cada base de dados. A conclusão da pesquisa sucedeu-se no dia 10 de maio. Dois revisores (C.L. e L.A.) realizaram, de forma independente, a pesquisa e seleção dos estudos. Resultados: Este estudo incluiu um total de 594 participantes e 1657 restaurações unitárias em função clínica, durante um tempo médio de observação de 1,07 anos. Cinco estudos prospetivos e quatro estudos retrospetivos foram analisados. Todos os estudos apresentaram nível moderado de qualidade, com consequente possibilidade moderada de viés, através da escala Newcastle-Ottawa (NOS). Na regressão linear desenvolvida (correlação entre taxa de sobrevivência, tipo de cimentação e a média de anos de follow-up) não houve significância estatística (respetivamente, p=0.730 e p=0.454). Verificou-se alta heterogeneidade entre estudos (I2=93,74% e Q=79,672). Conclusão: A taxa de sobrevivência global das restaurações unitárias fabricadas com a tecnologia CAD/CAM foi alta e, portanto, apesar das limitações inerentes ao presente estudo, podemos concluir que restaurações monolíticas fabricadas com tecnologia CAD/CAM podem ser uma opção viável e aceitável, particularmente na zona posterior.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.003 |
| Bibliometrics | 0.012 | 0.009 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".