000			03881cam a2200361 4500500
005			20250123104633.0
041			_afre
042			_adc
100	1	0	_aTreil, Jacques _eauthor
700	1	0	_a Oueiss, Arlette _eauthor
700	1	0	_a Faure, Jacques _eauthor
245	0	0	_aBiométrie cranio-faciale 3D: analyse statistique des dysmorphies de classe II
260			_c2020.
500			_a49
520			_aIntroduction : Nous avons pu étudier les documents Cone Beam de patients consultant en ORL avec des occlusions standard de classe I (45 ND), ainsi que ceux de patients de classe II, orthodontique (51 APNS) et à orientation chirurgicale (83 APS). Matériels et méthodes : La biométrie 3D que nous utilisons calcule systématiquement un set de 164 paramètres susceptibles de prendre en compte toutes les dysharmonies, dont 38 paramètres dévolus aux pathologies antéro-postérieures hors asymétrie. Résultats : Des modules d'aide à l'analyse morphologique délivrent les diagnostics littéraires d'asymétrie et hors asymétrie. Les tests t apprécient l'efficacité de chaque paramètre pour trier l'appartenance aux différents sousgroupes. Les coefficients r entre chacun des paramètres et la quantité de classe II (GMMy-Gmmy) précisent l'importance de leur lien avec la pathologie de classe II. Conclusion : Les valeurs moyennes des paramètres pour chaque sous-groupe définissent les profils moyens et, par comparaison, situent la pathologie. En faisant intervenir d'autres paramètres, jusqu'ici peu utilisés faute d'instruments de mesure disponibles, comme les décalages d'arcades, les décalages de bases, les compensations, entre autres, il est possible de sécuriser la décision clinique.
520			_aIntroduction: We could study Cone Beam documents of patients consulting in ORL with standard Angle Class I occlusion (45 ND), patients consulting in orthodontics with an orthodontic Class II (51 APNS) and patients with a surgical Class II (83 APS). Materials and Methods: The used 3D biometry calculates systematically a 164 set of parameters able to take into account all kinds of disharmonies; among which 38 parameters are specifically devoted to anterior-posterior “off asymmetry” pathologies. Résults: Then the specific Artificial Intelligence (AI) programs treat morphological data and give textual diagnoses. Analysis of the global sample aims to control the efficiency, separating different sub-samples one each other: t test appreciates efficiency of each parameter to recognize clinical sub-sample. The correlation coefficient, r, between each parameter and pseudo Angle molars Class II (GMMy-Gmmy) give the importance of its tie with Class II pathology. Conclusion: Presentation of parameters medium values in each sub-group gives the medium profiles. By direct comparison of patient's parameters values with medium profile, it is possible to locate patient's pathology. So we can take in account new parameters like arches upper/lower gap, anterior bases upper/lower gap, compensating parameters… It is then possible to make more secure the clinical decision.
690			_aTest t
690			_aCoefficients de corrélation r
690			_aProfil céphalométrique moyen en classe II
690			_aBiomorphologie 3D
690			_aStatistiques descriptives
690			_aClasse II basale
690			_aCompensation en classe II
690			_aCephalometric medium profile in Class II
690			_aCorrelation coefficients r
690			_aCompensating positions in Class II
690			_a3D Biomorphometry
690			_aDescriptive statistics
690			_at test
690			_aBasic Class II
786	0		_nL'Orthodontie Française | 91 | 1-2 | 2020-01-01 | p. 101-114 | 1966-5202
856	4	1	_uhttps://shs.cairn.info/revue-l-orthodontie-francaise-2020-1-page-101?lang=fr&redirect-ssocas=7080
999			_c767933 _d767933