Manifestations orales du syndrome de Beckwith-Wiedemann
Bibliographic record
Abstract
OBJECTIF : Les objectifs de cette étude transversale sont de (1) décrire les anomalies bucco- dentaires, la santé gingivale et le risque carieux des patients atteints du Syndrome de Beckwith-Wiedemann (SBW), (2) évaluer l’occlusion dentaire et squelettique de ces patients et (3) évaluer s’il y a une association entre le SBW et les anomalies dentaires, le risque carieux et les malocclusions. MÉTHODE : Seize patients âgés entre 2 et 14 ans et ayant un diagnostic du SBW ont été examinés et ont été comparés à un groupe témoin apparié pour l’âge et le sexe. La collecte de données s’intéressait à l’hygiène, la santé gingivale, le taux de caries, les anomalies dentaires et orales, le pH salivaire et les habitudes alimentaires. De plus un examen orthodontique a été effectué.RÉSULTATS : La macroglossie est la caractéristique la plus fréquente du SBW et est présente chez 88% des patients. Ces patients ont aussi plus d’ankyloglossie (p=0,018) et d’asymétrie au niveau facial (p=0,018) ou de la langue (p=0,018). La majorité (63%) des patients avec le SBW ont une béance antérieure et montrent généralement une déglutition infantile. Ils ont aussi un profil plus droit (p=0,006) et un surplomb horizontal diminué (p=0,007). Ils ont un taux de carie, une hygiène dentaire et une santé gingivale semblable au groupe contrôle et n’ont pas plus d’anomalies dentaires. CONCLUSIONS : Cette étude montre que ces patients ont une bonne hygiène, une bonne santé gingivale et un taux de carie normal malgré la macroglossie. Toutefois, ils ont plus de malocclusion.
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 | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.024 | 0.003 |
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".