Os modelos ortodônticos digitais são confiáveis? Uma revisão sistemática
Matheus Melo Pithon, Leticia Sant'Anna, Ana Andrade and 5 more
HU Revista · 2019
doi:10.34019/1982-8047.2018.v44.13881 (opens in a new tab)
We email you when a new notice or a question about this paper appears.
Abstract
Introdução: os modelos digitais são alternativas para o uso de modelos ortodônticos em gesso. Devido a sua importância no dignostico, faz-se necessário averiguar a precisão dos softwares modelos ortodônticos digitais disponiveis. Objetivo: evidenciar qual software de modelos ortodônticos digitais possui maior confiabilidade. Material e métodos: foi realizada busca sistemática nas seguintes bases de dados eletrônicas: Scopus, PubMed, Web of Science, Embase e Cochrane, Grey Literature e Clinical Trials, sem limitações quanto ao ano de publicação ou idioma. Foram incluídos estudos laboratoriais que utilizaram softwares destinados a geração de modelos ortodônticos digitais, comparando-os com modelos ortodônticos em gesso. Após seleção por título e resumo, os artigos potencialmente elegíveis foram lidos na íntegra. A qualidade metodológica e o risco de viés dos artigos incluídos foram avaliados de acordo com as descrições dos modelos, técnicas de medição e análises estatísticas. A qualidade metodológica foi classificada em alta, moderada ou baixa. Resultados: 13.333 artigos foram encontrados nas bases de dados utilizadas. Após a aplicação dos critérios de elegibilidade e remoção de duplicações, restaram apenas 41 artigos. 29 foram considerados de qualidade moderada e 12 de alta qualidade. A classificação quanto à confiabilidade variou de menos confiaveis, equivalentes e a mais confiaveis. Apresentando diferenças estatisticas em suas mensurações (p<0.05), sem significância clínica. Conclusão: os modelos ortodônticos digitais apresentaram mensurações acuradas, reprodutíveis e confiáveis quando comparado ao método convencional utilizando modelos de gesso.
Abstract licence: CC BY-NC
References47
47 more references, whose wording the paper’s licence keeps private.
Reads
Read by people on this page
None yet.
Checked or read by AI through naulon
None yet.
A person counts once a day per paper. We keep no cookie and no address: a reader is a hash that changes every day. Any month under five reads shows no number.
Are you an author?
Is this your paper?
Claim it to add your note and be paid when agents cite it. Free.