- Austria / Österreich
- Bosnia ed Erzegovina / Босна и Херцеговина
- Bulgaria / България
- Croazia / Hrvatska
- Repubblica Ceca e Slovacchia / Česká republika & Slovensko
- Francia / France
- Germania / Deutschland
- Grecia / ΕΛΛΑΔΑ
- Italia / Italia
- Paesi Bassi / Nederland
- nordisch / Nordic
- Polonia / Polska
- Portogallo / Portugal
- Romania e Moldavia / România & Moldova
- Slovenia / Slovenija
- Serbia e Montenegro / Србија и Црна Гора
- Spagna / España
- Svizzera / Schweiz
- Turchia / Türkiye
- Gran Bretagna e Irlanda / UK & Ireland
WUHAN, Cina: Spesso i pazienti soffrono di dolori post-operatori, motivo per cui oggi i dentisti hanno urgente bisogno di informazioni precise sui farmaci. In un recente studio è stato utilizzato un modello di rete neurale artificiale (ANN) per prevedere il dolore post trattamento del canale radicolare (RTC), che riveste un’importanza clinica per i medici al fine di migliorare la qualità del trattamento, stabilire piani di trattamento ottimizzati e ridurre l’incidenza di controversie mediche.
Nel campo degli algoritmi che si ispirano alla natura, il modello ANN ha avuto il più attuale e rapido sviluppo. Si tratta di un sistema basato sull’imitazione della struttura cerebrale umana e delle sue funzioni che può essere applicato per analizzare la relazione tra i vari predittori. ANN può essere utilizzato per prevedere i risultati medici attraverso la selezione di strutture di rete neurale adeguate e può essere utilizzato per la diagnosi, la prognosi e le decisioni cliniche.
È stato riferito che ANN può rendere possibile l’identificazione di variabili importanti e la previsione del dolore post-trattamento con elevata accuratezza. Lo studio, condotto da ricercatori della Wuhan University, mirava a valutare l’accuratezza del modello di rete neurale artificiale per la previsione del dolore (BP) post-operatorio dopo RCT.
Il modello di rete neurale BP è stato sviluppato utilizzando il toolbox di rete neurale MATLAB 7.0 ed è stata stabilita una relazione funzionale proiettiva tra 13 parametri (compresi fattori personali, fattori di reazione infiammatoria e fattori procedurali) e il dolore postoperatorio sperimentato dal paziente dopo la RCT.
Questo modello di rete neurale è stato realizzato e testato sulla base dei dati di 300 pazienti sottoposti a RCT. Di questi, 210, 45 e 45 sono stati assegnati rispettivamente come campioni di addestramento, validazione dei dati e test per valutare l’accuratezza della previsione. Gli autori dello studio Xin Gao e Xing Xin e il loro team hanno riscontrato un’accuratezza di questo modello di rete neurale BP pari al 95,6% per la previsione del dolore postoperatorio dopo RCT.
Gli scienziati hanno concluso che il modello di rete BP potrebbe essere utilizzato per predire il dolore postoperatorio dopo RCT e ha mostrato la fattibilità clinica e il valore di applicazione. Pertanto, il metodo proposto potrebbe essere utilizzato come riferimento clinico in futuro.
Lo studio intitolato “Predicting postoperative pain following root canal treatment by using artificial neural network evaluation” è stato pubblicato il 26 agosto 2021 su Scientific Reports.
Tags:
mer. 8 maggio 2024
2:00 (CET) Rome
You got this! Diagnosis and management of common oral lesions
ven. 10 maggio 2024
2:00 (CET) Rome
Empowering your restorative practice: A comprehensive guide to clear aligner integration and success
lun. 13 maggio 2024
15:00 (CET) Rome
Creating more practice time through efficiency: Improved accuracy and delegation
lun. 13 maggio 2024
19:00 (CET) Rome
Súčasné trendy v parodontológii
mer. 15 maggio 2024
16:00 (CET) Rome
Der endodontische Notfall
mer. 22 maggio 2024
18:00 (CET) Rome
Leveraging the TLX implant concept in fast and efficient treatment protocols
gio. 23 maggio 2024
18:00 (CET) Rome
To post a reply please login or register