- Oostenrijk / Österreich
- Bosnië en Herzegovina / Босна и Херцеговина
- Bulgarije / България
- Kroatië / Hrvatska
- Tsjechië & Slowakije / Česká republika & Slovensko
- Finland / Suomi
- Frankrijk / France
- Duitsland / Deutschland
- Griekenland / ΕΛΛΑΔΑ
- Italië / Italia
- Nederland / Nederland
- Noords / Nordic
- Polen / Polska
- Portugal / Portugal
- Roemenië & Moldavië / România & Moldova
- Slovenië / Slovenija
- Servië & Montenegro / Србија и Црна Гора
- Spanje / España
- Zwitserland / Schweiz
- Turkije / Türkiye
- Verenigd Koninkrijk & Ierland / UK & Ireland
WUHAN, CHINA – Patiënten lijden vaak aan postoperatieve pijn. Daarom is nauwkeurige informatie over medicatie dringend nodig bij tandartsen. In recent onderzoek is een ‘artificial neural network’ (ANN)-model gebruikt om pijn na een wortelkanaalbehandeling te voorspellen. Dit is op klinisch gebied belangrijk voor artsen om de kwaliteit van hun behandelingen te verbeteren, om geoptimaliseerde behandelingen te verkrijgen en om medische geschillen zoveel mogelijk te voorkomen.
Op het gebied van op de natuur gebaseerde algoritmes heeft ANN de snelste ontwikkeling doorgemaakt. Het systeem is gebaseerd op de structuur van het menselijk brein en op functie-imitatie, wat kan worden toegepast om de relatie tussen verschillende voorspellers te analyseren. ANN kan worden gebruikt om medische resultaten te voorspellen en ingezet worden voor het diagnosticeren van ziektes, prognoses en klinische besluitvorming.
ANN zou het mogelijk kunnen maken om belangrijke variabelen te identificeren en pijn na de behandeling zeer accuraat te voorspellen. Dit onderzoek van wetenschappers van Wuhan University had als doel de nauwkeurigheid van het ‘back propagation’ (BP) kunstmatige neurale netwerk model om pijn te voorspellen na een wortelkanaalbehandeling te evalueren.
Het BP neural network model is met het gebruik van de MATLAB 7.0’s neural network toolbox ontwikkeld. Een functionele projectieve relatie is tot stand gebracht tussen 13 parameters (waaronder persoonlijke factoren, ontstekingsreactie en operatieve procedure-factoren) en de postoperatieve pijn die na de behandeling door de patiënt werd ervaren.
Dit neural network model is getest op basis van data van 300 patiënten die een wortelkanaalbehandeling ondergingen. 210 van deze gevallen zijn als scholingsdata gebruikt, 45 als datavalidatie en 45 als test samples, om de nauwkeurigheid van de voorspellingen te beoordelen. Auteurs van het onderzoek Xin Gao en Xing Xin en hun team ondervonden dat de nauwkeurigheid van het BP neural network model 95,6% was bij de voorspelling van postoperatieve pijn bij een wortelkanaalbehandeling.
De wetenschappers concludeerden dat het model gebruikt kan worden om postoperatieve pijn na een wortelkanaalbehandeling te voorspellen en dat het toevoegde klinische waarde bevat. Daarom kan deze methode in de toekomst gebruikt worden als klinische referentie.
Het onderzoek, genaamd ‘Predicting postoperative pain following root canal treatment by using artificial neural network evaluation’, werd op 26 augustus 2021 gepubliceerd in Scientific Reports.
do. 4 april 2024
10:00 (CET) Amsterdam
Reimagining success with ClearCorrect: From case planning to practice growth
di. 9 april 2024
7:00 (CET) Amsterdam
Soluzioni innovative per sostenere l’evoluzione dello studio: Lo strumento giusto può fare la differenza
wo. 10 april 2024
1:00 (CET) Amsterdam
ITI US section live treatment planning session
wo. 10 april 2024
11:00 (CET) Amsterdam
A tooth is extracted—what now? Is there any benefit to ridge augmentation?
do. 11 april 2024
2:00 (CET) Amsterdam
Santa Fe Group Medicare Update
do. 11 april 2024
9:30 (CET) Amsterdam
Por qué implementar Invisalign Go en tu consulta?
ma. 15 april 2024
10:00 (CET) Amsterdam
To post a reply please login or register