Preveja o desgaste dos dentes (PREDITOOTH)
Predição do índice de desgaste dentário com base em um conjunto de dados de formatos dentários: um estudo retrospectivo
O desgaste dentário, resultante da perda gradual de tecido dentário duro devido a fatores mecânicos e químicos, afeta a estrutura, textura e função dentária. Afeta a qualidade de vida, com prevalência variável (26,9% a 90,0%), e é tradicionalmente detectada visualmente durante check-ups, muitas vezes em estágios avançados. O monitoramento de alterações no formato dos dentes por meio de scanners intraorais auxilia na detecção precoce, mas a restauração continua desafiadora. A prevenção através da detecção precoce é vital, pois os pacientes podem não compreender totalmente a perda de estrutura dentária até que seja visível. Recentemente, a análise estatística da forma (SSA) foi usada para aprender a anatomia do dente e definir uma forma de referência (dente biogenérico). No entanto, garantir a consistência dos marcos é um desafio principalmente devido aos preconceitos do operador. Recentemente, um método robusto chamado MEG-IsoQuad ofereceu remeshing isotopológico automatizado. Combinar isso com SSA é promissor para fins de diagnóstico e simulação. Este estudo tem como objetivo avaliar a confiabilidade de uma abordagem remalhamento-SSA para análise de pré-molares alterados e intactos e comparar algoritmos de aprendizado de máquina para simular a forma do dente inicialmente intacto ou futuro alterado.
A perspectiva clínica do trabalho atual oferece possibilidades para:
- Prevenir futuros desgastes dentários, detectando-os precocemente; e comunicar-se melhor com o paciente, apresentando-lhe potenciais futuros dentes alterados
- Simular a reconstrução adaptada do dente alterado simulando o inicialmente íntegro
Visão geral do estudo
Status
Condições
Intervenção / Tratamento
Tipo de estudo
Inscrição (Estimado)
Contactos e Locais
Contato de estudo
- Nome: Raphael Richet, Clinical Assistant
- Número de telefone: +33669523314
- E-mail: raphael.richert@univ-lyon1.fr
Estude backup de contato
- Nome: Maxime Ducret, Professor
- E-mail: maxime.ducret@univ-lyon1.fr
Locais de estudo
-
-
-
Leuven, Bélgica
- Recrutamento
- KU Leuven University Hospital
-
Contato:
- Pierre Lahoud
-
-
-
-
Indiana
-
Indianapolis, Indiana, Estados Unidos, 46202
- Recrutamento
- Indiana University Hospital
-
Contato:
- Anderson Hara
-
-
-
-
-
Lyon, França, 69007
- Recrutamento
- Lyon Dental Hospital
-
Contato:
- Raphael Richert, PhD
- Número de telefone: +33669523314
- E-mail: raphael.richert@univ-lyon1.fr
-
-
-
-
-
Tel Aviv, Israel
- Recrutamento
- Tel Aviv Universi
-
Contato:
- Rachel Sarig
-
-
-
-
-
Lucknow, Índia
- Recrutamento
- King George Medical University
-
Contato:
- Akhilanand Chaurasia
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Critérios de inclusão:
- dentes avulsionados apresentando índice de desgaste dentário entre 0 e 3
- incisivos, caninos, pré-molares ou molares maduros (apenas 1º e 2º)
Critérios de exclusão:
- dentes avulsionados apresentando índice de desgaste dentário superior a 3 (ou apresentando reabilitação oral representativa de desgaste semelhante)
- dentes imaturos ou dentes sem edificação radicular
- dentes do siso
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
todos os dentes maduros apresentando desgaste dentário intacto ou apresentando desgaste dentário alterado
Raspagem do dente antes do escaneamento pelo operador Avaliação do índice de desgaste do dente 0 ou 1 (por 2 especialistas calibrados)
|
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Predição do índice de desgaste dentário com base em um conjunto de dados de formatos dentários: um estudo retrospectivo
Prazo: apenas uma vez
|
Quatro algoritmos de aprendizado de máquina (ML): uma análise discriminante linear (LDA), uma máquina de vetores de suporte (SVM), uma floresta aleatória (RM) e uma máquina de aumento de gradiente (GBM) serão usados para prever o tipo de dente e a alteração do anatomia.
O conjunto de dados será dividido em um conjunto de dados de teste de treinamento e validação 60/40 e os modelos serão validados cruzados três vezes.
O desempenho do modelo será avaliado em matrizes de confusão que levam à definição de precisão, recall, pontuação F1 e exatidão.
|
apenas uma vez
|
Colaboradores e Investigadores
Patrocinador
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Estimado)
Conclusão do estudo (Estimado)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Estimado)
Atualizações de registro de estudo
Última Atualização Postada (Estimado)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- 69HCL23_1046
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
produto fabricado e exportado dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .