Viabilidad del software

Scientific Reports volumen 13, número de artículo: 11847 (2023) Citar este artículo

334 Accesos

Detalles de métricas

El propósito de este estudio fue proponer el concepto de evaluación automatizada (SAE) basada en software de la calidad de la preparación dental utilizando algoritmos geométricos computacionales y evaluar la viabilidad de la SAE en la evaluación de la preparación de dientes pilares para coronas de contorno anatómico unitarias comparando con una evaluación asistida digitalmente (DAE) basada en humanos realizada por evaluadores humanos capacitados. Estudiantes de posgrado prepararon treinta y cinco primeros molares mandibulares para la restauración de coronas de contorno anatómico. Cada diente preparado fue digitalizado y evaluado en términos de reducción oclusal y convergencia oclusal total utilizando SAE y DAE. La concordancia intraevaluadores para las puntuaciones calificadas por SAE y DAE y la concordancia entre evaluadores entre SAE y DAE se analizaron con un nivel de significancia (α) de 0,05. La evaluación utilizando el protocolo SAE demostró un acuerdo intraevaluador perfecto, mientras que la evaluación utilizando el protocolo DAE mostró un acuerdo intraevaluador de moderado a bueno. Los valores de evaluación de los protocolos SAE y DAE mostraron una concordancia casi perfecta entre evaluadores. El SAE desarrollado para la evaluación de la preparación dental se puede utilizar para la educación dental y la retroalimentación de habilidades clínicas. SAE puede minimizar posibles errores en la calificación convencional y proporcionar evaluaciones más confiables y precisas que el DAE basado en humanos.

La preparación del diente pilar debe realizarse de acuerdo con los principios fundamentales de la prótesis fija contemporánea para lograr restauraciones exitosas1. La estructura dental debe preservarse siempre que sea posible, pero la reducción óptima es obligatoria para una restauración con un pronóstico clínicamente aceptable2. Las restauraciones fijas requieren una reducción suficiente para lograr un espesor y una forma adecuados con estabilidad estructural3. La preparación de los dientes con un grado óptimo de conicidad también es fundamental para asegurar una adecuada retención y resistencia de la prótesis dental fija y la ausencia de socavados4.

Uno de los componentes más críticos de la educación dental clínica es comprender los principios de preparación de los dientes en prostodoncia5. Es imperativo que el estudiante reciba retroalimentación consistente y precisa de los profesores para mejorar su desempeño clínico antes de continuar con la atención real al paciente5,6. Sin embargo, varios factores contribuyeron a los desacuerdos en la evaluación del trabajo de los estudiantes, incluidas escalas de calificación subjetivas y evaluadores insuficientemente calibrados, que en consecuencia no lograron proporcionar una retroalimentación consistente y confiable6,7,8. Para abordar los factores que contribuyen a la falta de coherencia en la evaluación y promover una evaluación más confiable por parte de los profesores, se han implementado la calibración de los profesores y criterios de calificación bien definidos9. A pesar de estas mejoras, las evaluaciones entre evaluadores e intraevaluadores mediante inspección visual con ojos humanos pueden no ser consistentes, y los miembros del cuerpo docente todavía frecuentemente califican el trabajo inaceptable de los estudiantes como aceptable, y la evaluación del mismo trabajo en diferentes ocasiones ha llevado a inconsistencias en la calificación. siendo observado10,11,12.

Para superar estas deficiencias, se ha considerado como una alternativa una evaluación asistida digitalmente (DAE) basada en humanos que utiliza software de inspección y metrología tridimensional (3D) que aborda las debilidades de la inspección visual convencional5,13,14,15. Este método implica una evaluación exhaustiva por parte de especialistas capacitados, quienes evalúan los datos escaneados de la preparación del diente pilar asistidos por medición digital con escalas calculadas visualmente13,14,15. Varios estudios han encontrado que las evaluaciones de los profesores que utilizan software de evaluación digital como E4D Compare (E4D Technologies, Richardson, TX, EE. UU.), CEREC PrepCheck (Dentsply Sirona, Bensheim, Alemania) y Prepassistant (Kavo, Biberach, Alemania) muestran una mayor coherencia que métodos de evaluación tradicionales5,6,8,9,10,11,12,13,16,17,18,19. Sin embargo, la limitación inherente de la evaluación basada en humanos sigue siendo una falta de coherencia en las métricas asignadas manualmente por los evaluadores, así como discrepancias entre los evaluadores16,17,18,19. Recientemente, un grupo de investigadores dentales e ingenieros de software desarrollaron un novedoso enfoque basado en software para la evaluación de la preparación del diente pilar con evaluación automatizada basada en un algoritmo geométrico computacional. Utilizando una evaluación automatizada basada en software (SAE), el algoritmo geométrico computacional determina el área a evaluar y procede con la evaluación automatizada, incluidas mediciones digitales de las dimensiones del diente preparado en un modelo matemáticamente optimizado.

Por lo tanto, el propósito de este estudio fue proponer el concepto de SAE de la calidad de la preparación dental utilizando algoritmos geométricos computacionales y evaluar la viabilidad de SAE en la evaluación de la preparación de dientes pilares para coronas unitarias de contorno anatómico comparándolo con DAE por parte de profesionales capacitados. evaluadores humanos. Las hipótesis nulas de este estudio fueron: 1) no habría diferencias en la concordancia intraevaluador entre el SAE y el DAE, y 2) no habría diferencias en las puntuaciones calificadas por el SAE y el DAE.

El SAE funcionó de manera sólida para todos los dientes preparados, y los resultados en términos de los criterios de evaluación se enumeran en la Tabla 1. La cantidad promedio de reducción oclusal en la punta de la cúspide fue de aproximadamente 1,39 mm para la cúspide mesiovestibular (MB), 1,60 mm para la cúspide distovestibular (DB), 1,88 mm para la cúspide mesiolingual (ML) y 1,59 mm para la cúspide distolingual (DL). Los valores promedio de TOC fueron 26,44° y 18,60° en los planos mesiodistal (MD) y bucolingual (BL), respectivamente. El ancho promedio del área del margen de la preparación fue de 0,36 mm. La evaluación SAE mostró una completa concordancia con los resultados.

Las puntuaciones de SAE y DAE para cada criterio se enumeran en la Tabla 2. La evaluación utilizando SAE mostró puntuaciones idénticas en cada ronda (1 a 3) de evaluación. No se encontraron diferencias significativas entre las rondas evaluadas mediante el DAE para ninguno de los criterios de evaluación. Además, no hubo diferencias significativas entre las puntuaciones de SAE y DAE (p > 0,05).

La concordancia intraevaluador para cada método de evaluación (SAE y DAE) se muestra en la Fig. 1. La SAE mostró una concordancia perfecta para cada criterio de evaluación. El DAE mostró una confiabilidad intraevaluador de moderada a buena, una confiabilidad moderada para las cúspides MB y DB, BL TOC de las evaluaciones de la conicidad de la pared axial, buena confiabilidad para las cúspides ML y DL de las evaluaciones de reducción oclusal y MD TOC de las evaluaciones de la conicidad de la pared axial. . Ninguno de estos criterios mostró una confiabilidad excelente.

Concordancia intraevaluador (coeficiente de correlación entre clases, α de Cronbach) entre las puntuaciones calificadas mediante evaluación automatizada basada en software (SAE) y las puntuaciones calificadas mediante evaluación asistida digitalmente (DAE). Excelente: > 0,9; Bueno: 0,75–0,90; Moderado: 0,50–0,75; Poca fiabilidad: < 0,5.

Los acuerdos entre evaluadores entre las puntuaciones SAE y DAE difirieron según los criterios de evaluación (Fig. 2). Para las evaluaciones de reducción oclusal, se encontró una concordancia casi perfecta para la evaluación de las cúspides ML y DL, y se encontró una concordancia sustancial para la evaluación de las cúspides MB y DB. Para las evaluaciones de la conicidad de la pared axial, la evaluación del TOC BL mostró un acuerdo sustancial, mientras que se encontró un acuerdo moderado para las evaluaciones del TOC MD.

Acuerdo entre evaluadores [coeficiente kappa de Cohen ponderado (κ)] entre las puntuaciones calificadas mediante evaluación automatizada basada en software (SAE) y evaluación asistida digitalmente (DAE). Casi perfecto: 0,81–1,00; Sustancial: 0,61–0,80; Moderado: 0,41–0,60; Regular: 0,21–0,40; Leve: 0,01–0,20; y Sin acuerdo: ≤ 0.

Los resultados de este estudio respaldan la validez de la SAE en la educación y sugieren la posibilidad de su aplicación clínica en la evaluación de la preparación dental para coronas de contorno anatómico. El acuerdo intraevaluador mostró que las evaluaciones de los profesores utilizando DAE no siempre fueron consistentes, mientras que las evaluaciones con SAE mostraron un acuerdo perfecto para todos los criterios de evaluación. Por tanto, se rechaza la primera hipótesis nula.

Este estudio reveló que la coherencia de la evaluación podría mejorarse utilizando SAE, que minimiza los sesgos o errores de medición de origen humano. En la evaluación DAE, la evaluación de la reducción de las cúspides funcionales (cúspides MB y DB) mostró una menor concordancia intraevaluador que los otros criterios de evaluación. La preparación de la cúspide vestibular mandibular tiene una forma más compleja que las otras áreas debido a la aplicación del bisel cuspídeo funcional. Por lo tanto, es difícil para el profesorado encontrar consistentemente el punto de referencia de medición en la imagen de preparación escaneada mediante inspección visual. Esta debilidad se puede superar con el uso de software basado en algoritmos matemáticos que encuentra una línea tangencial desde la punta de la cúspide del diente anatómico hasta el diente preparado y define la ubicación perpendicular más cercana al diente preparado.

Además de la reducción oclusal en la zona de las cúspides y otros criterios de evaluación, se pueden obtener puntuaciones consistentes mediante la designación de puntos de medición basados ​​en el algoritmo. El cálculo del kappa de Cohen ponderado entre las puntuaciones graduadas de SAE y DAE mostró una concordancia entre evaluadores de moderada a casi perfecta de > 0,5. Por tanto, no se puede rechazar la segunda hipótesis nula; sin embargo, se requiere una evaluación adicional en términos de otros parámetros de evaluación, como la reducción mínima. Generalmente, el evaluador designa puntos de medición en la fosa central donde se prevé que la cantidad de reducción sea menor. Sin embargo, no siempre se observa la reducción mínima real en la fosa central. Sin embargo, resultó difícil especificar el punto en el que podría detectarse la reducción mínima mediante inspección visual. En futuros estudios sobre SAE, la reducción mínima se puede definir como el valor más pequeño entre las distancias verticales desde el diente anatómicamente intacto hasta el diente preparado. Se puede utilizar una evaluación basada en software que utiliza un algoritmo geométrico para encontrar el punto donde se realizó la reducción mínima y puede medir valores objetivos y precisos.

La evaluación tradicional de la preparación dental se basa en el juicio del evaluador basado en la inspección visual. Aunque las herramientas de evaluación virtual actuales pueden mejorar la objetividad y la coherencia en las evaluaciones de los profesores, sigue habiendo una subjetividad significativa y una falta de confiabilidad entre evaluadores5,13. Este novedoso enfoque automatizado por software basado en algoritmos matemáticos podría eliminar la intervención subjetiva de los evaluadores y proporcionar evaluaciones más confiables y precisas. La SAE mostró un alto grado de acuerdo en comparación con la evaluación basada en humanos (DAE), lo que demuestra que las evaluaciones de la SAE se pueden utilizar tanto para la evaluación clínica como para la educación dental en lugar de la DAE.

Las evaluaciones basadas en algoritmos pueden mejorar la calidad de los tratamientos restaurativos al proporcionar retroalimentación cuantitativa inmediata durante la preparación del diente pilar. Yamaguchi et al. introdujeron un método de evaluación basado en algoritmos para predecir la probabilidad de despegue de coronas de composite de resina20. Desarrollaron un modelo basado en aprendizaje profundo utilizando una red neuronal convolucional (CNN) entrenando 6480 imágenes de pilares restauradas con coronas compuestas de resina recopiladas retrospectivamente. Sin embargo, es posible que este modelo de predicción no pueda identificar todos los factores relacionados con los pilares que causan el despegue de las coronas20. Utilizando el algoritmo geométrico para esta evaluación basada en software, se pueden calcular los datos numéricos del diente preparado relacionados con la retención y resistencia de la corona dental, como el ángulo de convergencia y la altura del pilar, y la posibilidad de despegar la corona. puede evaluarse numéricamente aplicando los criterios verificados para cada factor contribuyente21,22,23. Además, recientemente se han desarrollado métodos de diseño de coronas dentales basados ​​en el aprendizaje profundo, utilizando un algoritmo que selecciona un diseño apropiado para muchas bases de datos24,25. Al integrar el algoritmo geométrico computacional utilizado en este estudio, el pilar preparado para la restauración de la corona puede evaluarse para predecir la probabilidad de falla y usarse para diseñar una corona de contorno anatómico con un mejor pronóstico.

El protocolo SAE con algoritmos matemáticos todavía tiene varias limitaciones que deben mejorarse. La integridad marginal, el daño a los dientes adyacentes y la calidad de la reducción (suavidad u ondulación) no se pueden medir con el nivel tecnológico actual. Otro problema es la complejidad de la calificación; La evaluación SAE se basa en criterios de evaluación y cada puntaje debe ponderarse para obtener un puntaje final. Estas limitaciones pueden superarse mediante el desarrollo de los algoritmos involucrados, y se deben realizar más investigaciones para aplicar varios criterios de evaluación. Dentro de las limitaciones de este estudio de viabilidad, el SAE desarrollado para la evaluación de la preparación del diente pilar se puede utilizar en la educación dental clínica. Este SAE puede minimizar posibles errores en evaluaciones convencionales basadas en humanos y proporcionar evaluaciones más confiables y precisas que DAE.

Para desarrollar el SAE se utilizó un diente de resina acrílica del primer molar mandibular derecho estandarizado (Diente de raíz simple modelo A5A-200; Nissin Dental Products, Kyoto, Japón). El diente de resina se preparó de acuerdo con los requisitos para coronas de contorno anatómico con una reducción oclusal de 1,5 mm, una reducción axial de 1 a 1,5 mm con ángulos internos redondeados y una línea de acabado en bisel circunferencial de 1 mm. Luego, un único evaluador con 10 años de experiencia clínica en el sector digitalizó el pilar preparado bajo condiciones de luz ambiental mediante un escáner intraoral (i500, iScan versión 1.2.0.1; Medit, Seúl, Corea del Sur) con una precisión informada de 25 µm. odontología digital y el escaneo se almacenó en formato de archivo de lenguaje de teselación estándar (STL). El escáner se calibró de acuerdo con las instrucciones del fabricante y se realizó la calibración para cada proceso de escaneo. Como se ha informado que el escáner intraoral tiene un nivel similar de congruencia en los datos 3D que un escáner de laboratorio, la digitalización con el escáner intraoral también puede considerarse confiable26,27. El proceso de escaneo de cada pilar se realizó de manera continua en un solo intento, basándose en un mapa de confiabilidad con modo de visualización, para verificar el escaneo completo28. Antes de la preparación del diente, se registró la forma anatómica original del molar de resina como referencia para la evaluación de la preparación del diente. Posteriormente, los datos del escaneo 3D del diente de resina pilar (antes y después de la preparación del diente) se utilizaron para desarrollar el SAE utilizando un algoritmo geométrico computacional y modelado matemático.

Primero, se definió el área de evaluación de la pared axial identificando los márgenes de la preparación. Los datos de escaneo tridimensional se obtuvieron utilizando el método de superficie plana por partes, utilizando propiedades geométricas que representan la "nitidez" que se puede encontrar en el margen de preparación. La nitidez se puede observar en dos aspectos: nitidez en cada vértice y nitidez en cada borde. La nitidez de cada vértice se expresa como un Laplaciano que está relacionado con los vértices circundantes (Ec. 1, Fig. 3A), y la nitidez en el borde se expresa como la relación entre las dos caras cercanas al borde (Ec. 2, Fig. 3B)29.

Diagrama esquemático de algoritmos para definir la ubicación marginal de la preparación dental. (A) Se utilizó laplaciano con pesos cotangentes, que se aproxima a la curvatura media de los vértices en una superficie plana por partes, para encontrar los vértices límite en la superficie de preparación. (B) Al conectar vértices en ubicaciones marginales, la longitud del borde se ajustó para representar la nitidez del borde. Aprovechando la longitud del borde ajustada, la ruta calculada siguió con precisión las características de los márgenes de preparación ubicados.

Se registraron las imágenes de los modelos dentales anatómicamente intactos y preparados, y el software determinó 12 vértices de búsqueda inicial en el área de la raíz. Se calculó la distancia más corta entre los vértices de búsqueda inicial del modelo anatómico del diente y el diente preparado. Si la distancia más corta era menor que el límite de error (ε), el punto de búsqueda se actualizaba con el vértice ubicado en el área de la corona (Fig. 4A, B) y se calculaba la distancia más corta desde el nuevo punto de búsqueda hasta el punto preparado. Se repitió el diente. Si se encontraba una posición más allá de ε, se consideraba que estaba en el margen de la preparación (Fig. 4C). Al comparar los valores laplacianos de los vértices adyacentes, se determinó que el vértice con el valor laplaciano más grande era el vértice en el margen de preparación del diente (Fig. 4D). Para determinar el margen de preparación con mayor precisión, las dimensiones se distorsionaron intencionalmente ajustando estrechamente las distancias alrededor de los bordes afilados. El margen final de preparación del diente se determinó matemáticamente identificando el camino más corto que conecta los 12 vértices (Fig. 4E, F). El área del margen de la preparación se definió como el área en forma de banda circular por encima del margen de la preparación hasta que comenzó el área de la pared axial. El ancho promedio aproximado del margen de preparación se calculó proyectando el área del margen en el camino de inserción de la prótesis para formar un área plana en forma de banda y dividiendo el área de la banda por la longitud promedio de los perímetros largo y corto (Fig. 5).

Proceso de definición del margen de preparación dental basado en algoritmo geométrico. Cuando la distancia más corta al modelo de diente era menor que el límite de error, cada punto de búsqueda se actualizaba con el vértice ubicado en el área de la corona (vértices azules). Cuando la distancia más corta era mayor que el umbral (vértice naranja y flecha azul oscuro), se supuso que estaba alrededor del margen de preparación (A, B). Entre los vértices vecinos (amarillo y verde), el vértice con el mayor valor laplaciano (rojo) se determinó como el vértice en el margen de preparación (C,D). Conectando el campo de distancia distorsionado intencionadamente se puede detectar matemáticamente el margen de preparación (E,F).

Proceso de definición del ancho del área del margen de preparación. (A) El ancho del área del margen de preparación se puede definir como una región en forma de banda circular por encima del margen de preparación (línea verde) hasta que comienza el área de la pared axial (línea roja). (B) El ancho promedio del área del margen se puede calcular aproximadamente a partir del perímetro exterior (línea verde), el perímetro interior (línea roja) y el área entre los perímetros generados al proyectar el margen en la dirección del camino de inserción.

El límite superior del área del margen de preparación se definió encontrando las polilíneas de intersección entre el diente preparado y la superficie de traslación generada por el margen de preparación (Fig. 6A). El límite inferior del área axial se define como el área directamente encima del margen de la preparación. Al definir el límite superior del área de la pared axial, la altura de la pared axial puede diferir para cada superficie preparada (bucal, lingual, mesial y distal). Generalmente, la altura de la pared axial de las superficies bucal y lingual es mayor que la de las superficies mesial y distal. Considerando esta condición anatómica, el límite superior de la pared axial se definió como la intersección entre el modelo de diente preparado y la superficie curva generada por un grupo de vértices que dividían internamente los puntos de los vértices en la superficie, generando el límite inferior (Fig. . 6B, línea roja punteada) y superficie plana en el lado oclusal (Fig. 6B, línea negra).

Proceso de definición del área axial del diente preparado en función del área del margen de preparación. (A) Los límites inferior (línea roja) y superior (línea azul) del área axial del diente preparado se generaron geométricamente a partir de la ubicación del margen de preparación (línea negra). (B) El límite inferior (línea roja discontinua) se definió encontrando las polilíneas de intersección entre el modelo de diente preparado y la superficie de traslación generada por el margen de preparación. El límite superior (línea azul discontinua) se definió como la intersección entre el modelo de diente preparado y la superficie curva generada por un grupo de vértices que dividen internamente los puntos de los vértices en la superficie generando el límite inferior y la superficie plana en el lado oclusal ( línea gris continua).

El área de la pared axial se dividió en bucal \((\mathrm{B})\), lingual \((\mathrm{L})\), mesial \((\mathrm{M})\) y distal \( (\mathrm{D})\) áreas. La convergencia oclusal total (TOC) se obtuvo sumando los conos promedio del área contralateral: conos promedio bucal (B) y lingual (L), y conos promedio mesial (M) y distal (D) (Fig. 7). La disminución promedio se calculó usando la siguiente ecuación (Ec. 3):

Imagen representativa del algoritmo de cálculo de la convergencia oclusal total (TOC). \(\overrightarrow{p}\) es la dirección de la ruta de inserción, \({a}_{f}\) es el área de la cara f, y \(\overrightarrow{{n}_{f}}\) es normal dirección de \({a}_{f}\). La conicidad T se calcula para cada superficie (mesial, distal, bucal, lingual) utilizando la conicidad promedio ponderada por área. El TOC para el plano mesiodistal (MD) se calcula sumando la conicidad de M y la conicidad de D, y el TOC para el plano bucolingual (BL) se calcula sumando la conicidad de B y la conicidad de L. Grados A (2 puntos, verde, 'Aceptable '), B (1 punto, amarillo, 'Marginalmente aceptable') y C (0 punto, rojo, 'Inaceptable') se marcaron con colores, según los criterios de evaluación para la preparación del diente.

La conicidad promedio \(\mathrm{T}\) se definió como la suma de la conicidad ponderada por área, y la conicidad de cada cara \(\mathrm{f}\) se calculó utilizando la ruta de inserción \(\overrightarrow {\mathrm{p}}\), el área de la cara \({\mathrm{a}}_{\mathrm{f}}\), y la suma del área de la cara \({\mathrm{a }}_{\mathrm{f}}\) para cada lado (bucal, lingual, mesial y distal) \({A}_{B,L,M,D}\), y normal de la cara \( \overrightarrow{{\mathrm{n}}_{\mathrm{f}}}\). El TOC de los planos bucolingual y mesiodistal se evaluó como la suma de los estrechamientos promedio opuestos.

Se identificaron siete puntos estándar (cada uno en las cinco puntas de las cúspides y dos áreas de la cresta marginal) en la superficie oclusal de cada diente pilar con una estructura anatómica intacta (antes de la preparación). Se trazó una línea geométrica desde cada punto estándar hasta el punto correspondiente en la superficie oclusal del diente preparado, permitiendo la formación de una línea perpendicular a la superficie preparada. El límite formado por los puntos de intersección en la superficie oclusal del diente preparado que pasa por el camino más cercano entre las líneas perpendiculares se utilizó para definir el área de reducción oclusal del diente preparado (Fig. 8A). La reducción de la cúspide se definió como la distancia más corta desde la punta de la cúspide del modelo anatómico del diente hasta la del modelo de diente preparado. Para optimizar el proceso de determinación de la distancia más corta, se utilizó una jerarquía de volúmenes delimitadores y una cola de prioridad30.

(A) Proceso de definición del área oclusal e implementación de un algoritmo optimizado para evaluar la dimensión de reducción oclusal. La reducción de la cúspide se definió como la distancia más corta desde la punta de la cúspide del modelo anatómico del diente hasta la del diente preparado. (B) Las calificaciones A (2 puntos, verde, 'Aceptable'), B (1 punto, amarillo, 'Marginalmente aceptable') y C (0 puntos, rojo, 'Inaceptable') se marcaron con colores, según la evaluación. Criterios para la preparación de los dientes.

Después del desarrollo del SAE utilizando un algoritmo geométrico computacional y modelos matemáticos, se estableció el sistema de clasificación del SAE de acuerdo con los criterios para la evaluación de la preparación dental (Tabla 3). Los puntajes de la evaluación se visualizaron y codificaron por colores en tres grados diferentes: A (verde), B (amarillo) y C (rojo), de acuerdo con los criterios de evaluación (Fig. 8B). Los puntos asignados a cada categoría de grado fueron: 2 puntos para el grado A (aceptable), 1 punto para el grado B (marginalmente aceptable) y 0 punto para el grado C (inaceptable).

Un total de 35 primeros molares mandibulares derechos de resina (Diente de raíz simple, modelo A5A-200; Nissin Dental Products, Kyoto, Japón), que habían sido preparados por treinta y cinco estudiantes graduados en odontología y presentados como parte del cumplimiento para prácticas de rutina. examen, fueron recopilados retrospectivamente y completamente anonimizados. No se requirió evaluación y aprobación por parte de una junta de revisión institucional. Cada diente de resina se preparó cuidadosamente de acuerdo con los requisitos del contorno anatómico de la restauración de la corona. Luego, cada pilar preparado fue digitalizado en condiciones de luz ambiental utilizando un escáner intraoral (i500, iScan versión 1.2.0.1; Medit, Seúl, Corea del Sur) por un único evaluador con 10 años de experiencia clínica en odontología digital y almacenado en formato STL. Considerando el ángulo limitado y la distancia focal del área objetivo pequeña, se utilizó un escáner intraoral para digitalizar el diente31,32. Antes de cada procedimiento de escaneo, el escáner se calibró de acuerdo con las instrucciones del fabricante.

Para la evaluación de SAE, los datos de escaneo de cada diente preparado se cargaron y evaluaron automáticamente en términos de calidad de la preparación del diente utilizando el software probado en este estudio. Toda la información necesaria para los criterios de evaluación de la preparación dental se mostró sin intervención de evaluadores humanos. Los datos reportados se presentan según los criterios de evaluación (Tabla 3).

Para la evaluación utilizando DAE, cada diente preparado fue evaluado por dos prostodoncistas certificados que eran miembros de la facultad de tiempo completo y habían trabajado como evaluadores de exámenes prácticos para estudiantes de posgrado, utilizando software de inspección y metrología (Medit Compare, Medit, Seúl, Corea del Sur). Este software fue diseñado para analizar, alinear, medir (incluyendo distancia, área, longitud y ángulo) y comparar datos 3D. La evaluación en humanos se realizó tres veces, con un período de lavado de un intervalo de una semana entre cada evaluación. En cada ronda, los dientes preparados se asignaron aleatoriamente a un evaluador (Research Randomizer; https://www.randomizer.org/). La calidad de la preparación dental se calificó de manera idéntica al sistema SAE según cada criterio de evaluación (Tabla 3). La puntuación de cada evaluación de calidad se determinó en base al acuerdo entre los dos evaluadores. Para cada evaluación, los datos escaneados del diente pilar con anatomía oclusal intacta (antes de la preparación) y los del diente pilar preparado se superpusieron utilizando el software de inspección (Medit Compare). La superposición de los dos conjuntos de datos se realizó después de verificar la alineación en el espacio de coordenadas sincronizadas. Usando la función 'Alinear con el área seleccionada', la alineación inicial se realizó designando manualmente la misma área de referencia para cada dato de escaneo, y la superposición 3D se completó mediante la alineación de mejor ajuste utilizando un algoritmo iterativo del punto más cercano entre las nubes de puntos de datos digitalizados. Cada evaluador marcó cuidadosamente los puntos de medición para evaluar los datos de escaneo superpuestos. La distancia o ángulo entre los puntos se midió virtualmente en función de la ubicación de los puntos marcados. Para la evaluación de la reducción oclusal, un evaluador humano designó cada punta de la cúspide y fosa central en la imagen de escaneo de referencia del diente pilar con la anatomía oclusal intacta. Al conectar la punta de la cúspide designada y el punto de la cúspide correspondiente en la imagen escaneada del diente preparado, el software de inspección (Medit Compare) construye tangencialmente un plano bidimensional que pasa por esta línea y mide la distancia usando la función 'Medir distancia en dos puntos'. ' función. La distancia entre las cúspides del diente pilar antes de la preparación y las del diente preparado se utilizó como cantidad de reducción oclusal. La reducción se calificó según los criterios de evaluación enumerados en la Tabla 3. La conicidad de la pared axial se evaluó utilizando las funciones 'Crear secciones' y 'Medir ángulo por cuatro puntos' en el software. Un evaluador humano marcó las líneas de referencia que pasaban verticalmente a través del centro de cada superficie bucal y lingual de los datos de escaneo del diente preparado a lo largo del eje longitudinal. El software calculó automáticamente el ángulo entre estas líneas como los valores de TOC en los planos BL y MD, y los valores medidos se calificaron de acuerdo con los criterios de evaluación (Tabla 3).

La concordancia intraevaluador de las tres puntuaciones de evaluación para cada criterio calificado mediante SAE y DAE se analizó calculando el coeficiente de correlación interclase (ICC, α de Cronbach). Se consideró que un valor de ICC > 0,9 indicaba una confiabilidad excelente, mientras que entre 0,75 y 0,90 indicaba buena; 0,50–0,75 indicó moderado; y < 0,5 indicó una fiabilidad deficiente33. La concordancia entre evaluadores entre las puntuaciones de los protocolos SAE y DAE se analizó calculando el coeficiente kappa de Cohen ponderado (κ) para cada criterio de evaluación. Un valor κ de Cohen de 0,81 a 1,00 se consideró una concordancia casi perfecta; 0,61–0,80 se consideró sustancial; 0,41–0,60 se consideró moderado; 0,21–0,40 se consideró justo; 0,01–0,20 se consideró leve; y ≤ 0 se consideró no acuerdo34. Los análisis estadísticos se realizaron utilizando el software R (ver. 4.1.2), con un nivel de significancia (α) de 0,05.

Los conjuntos de datos generados y/o analizados en el estudio actual están disponibles del autor correspondiente previa solicitud razonable.

Shillingburg, HT, Hobo, S., Whitsett, LD, Jacobi, R. & Brackett, SE Fundamentos de la prótesis fija. 3ª ed. (Publicación por excelencia, 1997).

Goodacre, CJ, Bernal, G., Rungcharassaeng, K. & Kan, JK Complicaciones clínicas en prótesis fijas. J. Prótesis. Mella. 90, 31–41 (2003).

Artículo PubMed Google Scholar

Rosenstiel, SF, Land, MF y Fujimoto, J. Prótesis fija contemporánea. 5ª ed. 169–221 (Mosby Inc., 2015).

Dodge, WW, Weed, RM, Baez, RJ y Buchanan, RN El efecto del ángulo de convergencia en la forma de retención y resistencia. Quintaesencia Int. 16, 191-194 (1985).

CAS PubMed Google Académico

Renne, WG y cols. Software de comparación E4D: una alternativa a la calificación de profesores en educación dental. J. Dent. Educativo. 77, 168-175 (2013).

Artículo PubMed PubMed Central Google Scholar

Kateeb, ET, Kamal, MS, Kadamani, AM, Abu Hantash, RO y Abu Arqoub, MM Utilización de un software digital innovador para calificar el ejercicio preclínico de preparación de coronas. EUR. J. Dent. Educativo. 21, 220–227 (2017).

Feil, PH & Gatti, JJ Validación de una teoría del desempeño de las habilidades motoras con aplicaciones para la educación dental. J. Dent. Educativo. 57, 628–633 (1993).

Artículo CAS PubMed Google Scholar

Sadid-Zadeh, R. & Feigenbaum, D. Desarrollo de una estrategia de evaluación en un curso de prótesis fija preclínica utilizando software de evaluación virtual-Parte 1. Clin. Exp. Mella. Res. 4, s86-s93 (2018).

Artículo de Google Scholar

Comisión de acreditación dental. Estándares de acreditación para programas de educación dental. https://case.edu/dental/sites/case.edu.dental/files/2018-04/Predoctoral_Program_Standards.pdf (2013).

Haj-Ali, R. & Feil, P. Confiabilidad del evaluador: efectos a corto y largo plazo del entrenamiento de calibración. J. Dent. Educativo. 70, 428–433 (2006).

Artículo PubMed Google Scholar

Fuller, JL Los efectos de los modelos de criterio y entrenamiento en la confiabilidad entre jueces. J. Dent. Educativo. 36, 19-22 (1972).

Artículo CAS PubMed Google Scholar

Sharaf, AA, Abdel Aziz, AM y El Meligy, OAS Variabilidad intra e interexaminador en la evaluación de procedimientos operativos preclínicos de odontología pediátrica. J. Dent. Educ.71, 540–544 (2007).

Gratton, DG, Kwon, SR, Blanchette, D. & Aquilino, SA Impacto de la tecnología digital de evaluación de la preparación dental en las habilidades técnicas y de autoevaluación de los estudiantes de odontología preclínica. J. Dent. Educativo. 80, 91–99 (2016).

Artículo PubMed Google Scholar

Hamil, LM, Mennito, AS, Renne, WG y Vuthiganon, J. Las opiniones de los estudiantes de odontología sobre la evaluación de la preparación con E4d comparan el software con los métodos tradicionales. J. Dent. Educativo. 78, 1424-1431 (2014).

Artículo PubMed Google Scholar

Mays, KA y Levine, E. Autoevaluación de las preparaciones operativas de los estudiantes de odontología utilizando CAD/CAM: un análisis preliminar. J. Dent. Educativo. 78, 1673–1680 (2014).

Artículo PubMed Google Scholar

Taylor, CL, Grey, NJA y Satterthwaite, JD Una comparación de las calificaciones otorgadas por la evaluación de pares, los profesores y un dispositivo de escaneo digital en un curso de habilidades operativas preclínicas. EUR. J. Dent. Educativo. 17, e16 – e21 (2013).

Artículo CAS PubMed Google Scholar

Jorquera, G., Sanchez, JP, Sampaio, CS, Atria, P. & Fernandez, E. Mejora de habilidades preclínicas y clínicas para preparaciones dentales utilizando software de entrenamiento asistido. EUR. J. Dent. Educativo. 25, 856–863 (2021).

Artículo PubMed Google Scholar

Schepke, U. et al. Evaluación digital de una preparación de corona completa retentiva: una evaluación del control de preparación en un entorno de enseñanza preclínica de pregrado. EUR. J. Dent. Educativo. 24, 407–424 (2020).

Artículo PubMed PubMed Central Google Scholar

Miyazono, S., Shinozaki, Y., Sato, H., Isshi, K. y Yamashita, J. Uso de tecnología digital para mejorar la evaluación objetiva y confiable en laboratorios de simulación de estudiantes de odontología. J. Dent. Educativo. 83, 224–232 (2019).

Artículo de Google Scholar

Yamaguchi, S. y col. Predecir la descementación de coronas de resina compuesta CAD/CAM con IA. J. Dent. Res. 98, 1234-1238 (2019).

Artículo CAS PubMed Google Scholar

Jørgensen, KD La relación entre retención y ángulo de convergencia en coronas de carilla cementadas. Acta Odontol. Escanear. 13, 35–40 (1955).

Artículo PubMed Google Scholar

Heintze, SD Prueba de extracción de coronas (prueba de retención de coronas) para evaluar la eficacia de unión de los agentes de cementación. Mella. Madre. 26, 193–206 (2010).

Artículo CAS PubMed Google Scholar

El-Mowafy, OM, Fenton, AH, Forrester, N. & Milenkovic, M. Retención de coronas metalocerámicas cementadas con cementos de resina: efectos de la preparación y la altura. J. Prótesis. Mella. 76, 524–529 (1996).

Artículo CAS PubMed Google Scholar

Ding, H. y col. Morfología y rendimiento mecánico de corona dental diseñada por 3D-DCGAN. Mella. Madre. 39, 320–332 (2023).

Artículo PubMed Google Scholar

Tian, ​​S. y col. DCPR-GAN: Restauración de prótesis de corona dental utilizando redes generativas adversarias de dos etapas. IEEE J. Biomed. Informe de salud. 26, 151-160 (2021).

Artículo de Google Scholar

Mangano, F. y col. Congruencia entre mallas y archivos de biblioteca de cuerpos de escaneo de implantes: un estudio in vitro que compara cinco escáneres intraorales. J.Clin. Medicina. 9, 2174 (2020).

Artículo PubMed PubMed Central Google Scholar

Donmez, MB et al. Efecto del diseño asistido por computadora y la técnica de fabricación asistida por computadora sobre la precisión de los patrones de prótesis parciales fijas utilizados para colado o prensado. J. Dent. 130, 104434 (2023).

Artículo PubMed Google Scholar

Centro de ayuda para la meditación. https://support.medit.com/hc/en-us/articles/360025312031-Model-display-mode (2022).

Pinkall, U. & Polthier, K. Computación de superficies mínimas discretas y sus conjugados. Exp. Matemáticas. 2, 15-36 (1993).

Artículo MathSciNet MATEMÁTICAS Google Scholar

Johnson, DE y Cohen, E. Un marco para cálculos eficientes de distancias mínimas. Actas de la Conferencia Internacional IEEE de 1998 sobre Robótica y Automatización. Gato. N° 98CH36146 (1998).

Kim, YK, Han, JS y Yoon, HI Evaluación de la veracidad de la superficie calcográfica, el desgaste y la resistencia a la fractura de una corona de circonio bajo masticación simulada: un análisis comparativo entre la fabricación sustractiva y aditiva. J. Adv. Prostodonte. 14, 122-132 (2022).

Artículo PubMed PubMed Central Google Scholar

Kim, YK, Yoon, HI, Kim, DJ y Han, JS Análisis comparativo sobre la veracidad de la superficie calcográfica, la pérdida de volumen por desgaste del antagonista y la resistencia a la fractura de una corona monolítica de circonio de contorno completo para odontología de una sola visita bajo masticación simulada. J. Adv. Prostodonte. 14, 173–181 (2022).

Artículo CAS PubMed PubMed Central Google Scholar

Koo, TK y Li, MY Directriz para seleccionar e informar coeficientes de correlación intraclase para investigaciones de confiabilidad. J. Quiropr. Medicina. 15, 155-163 (2016).

Artículo PubMed PubMed Central Google Scholar

McHugh, confiabilidad entre evaluadores de ML: la estadística kappa. Bioquímica. Medicina. (Zagreb) 22, 276–282 (2012).

Artículo PubMed Google Scholar

Descargar referencias

Este estudio fue apoyado por el Programa de Investigadores Pioneros Creativos de la Universidad Nacional de Seúl.

Estos autores contribuyeron igualmente: Sangjun Han y Yuseung Yi.

Facultad de Odontología, Universidad Nacional de Seúl, Seúl, República de Corea

Sangjun Han

Departamento de Prostodoncia, Hospital Dental de la Universidad Nacional de Seúl, Seúl, República de Corea

Yuseung Yi

Departamento de Odontología Restauradora, Facultad de Odontología, Universidad de Washington, Seattle, WA, EE. UU.

Marta Revilla-León

Investigación y odontología digital, Kois Center, Seattle, WA, EE. UU.

Marta Revilla-León

Departamento de Prostodoncia, Universidad de Tufts, Boston, MA, EE. UU.

Marta Revilla-León

Departamento de Odontología Reconstructiva y Gerodontología, Facultad de Medicina Dental, Universidad de Berna, Berna, Suiza

Burak Yilmaz y Hyung-In Yoon

Departamento de Odontología Restauradora, Preventiva y Pediátrica, Facultad de Medicina Dental, Universidad de Berna, Berna, Suiza

Burak Yilmaz

División de Odontología Restauradora y Protésica, Universidad Estatal de Ohio, Columbus, OH, EE. UU.

Burak Yilmaz

Departamento de Prostodoncia, Facultad de Odontología e Instituto de Investigación Dental, Universidad Nacional de Seúl, 101, Daehak-ro, Jongro-gu, Seúl, 03080, República de Corea

Hyung-In Yoon

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

SH e YY llevaron a cabo la investigación y la metodología de laboratorio. SH realizó análisis estadísticos. SH e YY redactaron el manuscrito. BY y MRL editaron el manuscrito. HIY y BY contribuyeron al diseño del estudio, la interpretación de los datos, la revisión del artículo y la supervisión de la investigación. Todos los autores han revisado y aprobado el manuscrito final.

Correspondencia a Hyung-In Yoon.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado a los autores originales y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Han, S., Yi, Y., Revilla-León, M. et al. Viabilidad de la evaluación basada en software para la evaluación automatizada de la preparación del diente para la corona dental mediante el uso de un algoritmo geométrico computacional. Representante científico 13, 11847 (2023). https://doi.org/10.1038/s41598-023-39089-3

Descargar cita

Recibido: 24 de marzo de 2023

Aceptado: 20 de julio de 2023

Publicado: 22 de julio de 2023

DOI: https://doi.org/10.1038/s41598-023-39089-3

Cualquier persona con la que comparta el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.