Factores de riesgo protésicos de las enfermedades periimplantarias: un metaanálisis
Bibliographic record
Abstract
Objetivo: Evaluar los factores de riesgo protésicos asociados a la periimplantitis. Materiales y métodos: Dos revisores calibrados realizaron una búsqueda en PubMed, EMBASE y Web of Science hasta Setiembre del 2023 así como en las revistas de más alto factor de impacto. La evaluación de la calidad metodológica de los artículos fue realizada utilizando la escala Newcastle-Ottawa para estudios de cohorte, casos y controles y una versión modificada de la misma para estudios transversales. La heterogeneidad entre estudios se inspeccionó visualmente en los diagramas de bosque, calculando la estadística τ2. Para la síntesis cuantitativa se utilizó Stata/SE versión 17 para Mac. Resultados: Se evaluaron un total de 4359 implantes colocados en 1924 pacientes en 13 estudios observacionales. El acceso a la higiene, el ajuste protésico, el ángulo de emergencia y el perfil de emergencia fueron factores de riesgo evaluados por los estudios incluidos. El metaanálisis encontró una relación entre el inadecuado acceso a la higiene (OR 3.46), ajuste protésico inadecuado (OR 1.45), el perfil convexo (OR 3.50) y el ángulo de emergencia >30 grados (OR 4.78) y el desarrollo de la periimplantitis. Conclusiones: Existe evidencia que los factores protésicos como el acceso a la higiene, el ajuste protésico, la forma del perfil de emergencia, y el ángulo del perfil de emergencia podrían ser factores asociados al desarrollo de la periimplantitis.
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 | 0.019 | 0.030 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.005 | 0.018 |
| Bibliometrics | 0.008 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".