Bayesian Networks Analysis of Malocclusion Data.
Bayesian Networks Analysis of Malocclusion Data.
复制标题
DOI：
10.1038/s41598-017-15293-w
复制
发表时间：
2017-11-10
影响因子：
4.6
通讯作者：
Franchi L
中科院分区：
文献类型：
--
作者：
Scutari M;Auconi P;Caldarelli G;Franchi L
在本文中，我们使用贝叶斯网络来确定和可视化在生长和治疗期间各种III类错颌面特征之间的相互作用。我们从143例患者的样本开始，通过一系列最多21种不同的颅面特征进行表征。我们从这些数据中估计一个网络模型，并通过贝叶斯统计验证一些普遍接受的关于这些不和谐演变的假设来检验其一致性。我们发现，与接受快速上颌扩张和面罩治疗的正畸治疗的患者相比，未经治疗的受试者发展出不同的III类颅面生长模式。在接受治疗的患者中，CoA节段（上颌长度）和ANB角（上颌骨与下颌骨的前后关系）似乎是接受治疗主要效果的骨骼亚间隙。
In this paper we use Bayesian networks to determine and visualise the interactions among various Class III malocclusion maxillofacial features during growth and treatment. We start from a sample of 143 patients characterised through a series of a maximum of 21 different craniofacial features. We estimate a network model from these data and we test its consistency by verifying some commonly accepted hypotheses on the evolution of these disharmonies by means of Bayesian statistics. We show that untreated subjects develop different Class III craniofacial growth patterns as compared to patients submitted to orthodontic treatment with rapid maxillary expansion and facemask therapy. Among treated patients the CoA segment (the maxillary length) and the ANB angle (the antero-posterior relation of the maxilla to the mandible) seem to be the skeletal subspaces that receive the main effect of the treatment.
登录
查看更多内容
影响因子：
2.6
作者：
Auconi, Pietro;Scazzocchio, Marco;Franchi, Lorenzo
通讯作者：
Franchi, Lorenzo
DOI：
10.1073/pnas.0802272105
发表时间：
2008-09-23
影响因子：
11.1
作者：
Mukherjee, Sach;Speed, Terence P.
通讯作者：
Speed, Terence P.
影响因子：
4.5
作者：
Li R;Tsaih SW;Shockley K;Stylianou IM;Wergedal J;Paigen B;Churchill GA
通讯作者：
Churchill GA
影响因子：
3.1
作者：
Auconi, P.;Caldarelli, G.;Polimeni, A.
通讯作者：
Polimeni, A.
影响因子：
8.2
作者：
Cumming, Geoff
通讯作者：
Cumming, Geoff