@phdthesis{Rehling2023,
  author    = {Rehling, S{\"o}ren Alexander},
  title     = {Etablierung eines neuen Lehrkonzeptes f{\"u}r die Schienung von parodontal gelockerten Z{\"a}hnen mithilfe des 3D-Druckverfahrens},
  doi       = {10.25972/OPUS-25394},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-253946},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2023},
  abstract  = {Im pr{\"a}klinischen Ausbildungsabschnitt des Zahnmedizinstudiums sollen die Studierenden m{\"o}glichst umfassend und vielseitig auf die Behandlung von Patienten vorbereitet werden. Bislang z{\"a}hlt die Schienung parodontal gelockerter Z{\"a}hne nicht zum Ausbildungsspektrum und es gibt kein {\"U}bungsmodell, mit welchem diese Art der Versorgung erlernt werden k{\"o}nnte. Ziel dieser Studie war es, Z{\"a}hne f{\"u}r ein {\"U}bungsmodell zu entwickeln, dieses mithilfe des 3D-Druckes herzustellen, sowie zus{\"a}tzlich die Handhabung von verschiedenen Schienungsmaterialien von unge{\"u}bten Behandlern bewerten zu lassen. Es wurden parodontal gelockerte Z{\"a}hne digital designt und mithilfe eines Stereolithographie 3D-Druckers gedruckt. Insgesamt 43 Studierende des siebten Fachsemesters nahmen im Rahmen des Parodontologiekurses freiwillig an der Studie teil. Es wurden pro Teilnehmer zwei Garnituren Z{\"a}hne jeweils mit dem Material everStick Perio (GC Dental) und dem Material Ribbond Ultra (Ribbond Inc.) geschient. Die Bewertung der gedruckten {\"U}bungsz{\"a}hne sowie der zwei Schienungsmaterialien durch die Teilnehmer erfolgte mithilfe eines Fragebogens unter Nutzung der Schulnoten von 1 (sehr gut) bis 6 (ungen{\"u}gend). Die geschienten Modelle wurden gescannt und digital verglichen. Die Schienungs{\"u}bung wurde insgesamt als „gut" empfunden. Die Realit{\"a}tstreue der Zahnlockerungen sowie die Repositionierung der Z{\"a}hne in den Zahnbogen wurden mit der Note „befriedigend" bewertet. Das Material everStick Perio bekam in der Handhabung die Note „befriedigend", das Material Ribbond Ultra die Note „gut". Der Lerneffekt der {\"U}bung wurde mit der Note „gut" bewertet, wobei die Teilnehmer ihre eigenen F{\"a}higkeiten vor dem Kurs als „mangelhaft" und nach dem Kurs als „gut" bewerteten. Die digitale Auswertung der geschienten Modelle ergab keinen signifikanten Unterschied zwischen den einzelnen Gruppen, welche sich nach Schienungsmaterial, Erst- oder Zweitversuch der Schienung sowie den einzelnen geschienten Z{\"a}hnen aufgliederten. Die Anwendbarkeit dieses Trainingskonzeptes wurde best{\"a}tigt, da sich aus Sicht der Studierenden ein positiver Lerneffekt zeigte.},
  subject      = {3D-Druck},
  language  = {de}
}
@phdthesis{Heinz2022,
  author    = {Heinz, Tizian},
  title     = {Das Knorpelregister DGOU zur systematischen Patientenerfassung nach knorpelchirurgischen Eingriffen des Kniegelenkes - Analyse und wissenschaftliche Aufarbeitung der ersten 100 Patienten an der Orthop{\"a}dischen Klinik K{\"o}nig-Ludwig-Haus},
  doi       = {10.25972/OPUS-28288},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-282882},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2022},
  abstract  = {Die stark limitierte intrinsische Regenerationsf{\"a}higkeit des hyalinen Gelenkknorpels stellt auch in der modernen Medizin eine große Herausforderung dar. W{\"a}hrend eine Vielzahl von knorpelchirurgischen Techniken am Kniegelenk koexistieren, bleibt die Selektion des am besten geeigneten Therapieverfahrens eine zentrale Herausforderung des orthop{\"a}dischen Chirurgen. Hierzu bieten in Zeiten evidenzbasierter Medizin medizinische Register die M{\"o}glichkeit, klinische Behandlungsdaten systematisch in einem breiten Patientenkollektiv zu erfassen, die klinische Versorgungsrealit{\"a}t ad{\"a}quat abzubilden sowie neue Behandlungsstrategien und Hypothesen zu generieren. Das Knorpelregister der DGOU bietet als webbasierte Registerform eine besonders moderne, effiziente und unb{\"u}rokratische Form der Patientennachverfolgung {\"u}ber subjektiv bewertete und validierte Funktionsscores. F{\"u}r das gesamte Registerkollektiv von 100 Patienten an der Orthop{\"a}dischen Klinik-K{\"o}nig-Ludwig Haus ergaben sich bereits sechs Monate nach dem knorpelchirurgischen Eingriff signifikant h{\"o}here Funktionsscores im IKDC und KOOS, welche sich auch im mittelfristigen Verlauf von zw{\"o}lf Monaten noch signifikant erh{\"o}ht gegen{\"u}ber ihren pr{\"a}operativen Werten zeigten. Die mediale Femurkondyle und knorpelige Patellar{\"u}ckfl{\"a}che waren im Registerkollektiv am h{\"a}ufigsten von Defekten betroffen. Meist handelte es sich hierbei um drittgradige Defekte nach ICRS degenerativer Genese. W{\"a}hrend das mechanische D{\´e}bridement bei großfl{\"a}chigem, arthrotischem Gelenkknorpelverschleiß keine suffiziente Therapieoption bietet, ist zum Nutzen und Effektivit{\"a}t des D{\´e}bridements bei fokalen, umschriebenen Gelenkknorpeldefekten bisher nur wenig bekannt. Im Registerkollektiv zeigte sich f{\"u}r das isoliert mechanische D{\´e}bridement von Gelenkknorpeldefekten eine signifikante Verbesserung der subjektiven Funktionsscores. Im Falle begleitend durchgef{\"u}hrter meniskuschirurgischer Eingriffe zeigt sich die Datenlage deutlich heterogener und bietet Anlass f{\"u}r weiteren wissenschaftlichen Diskurs.},
  subject      = {Hyaliner Knorpel},
  language  = {de}
}
@phdthesis{Lenard2023,
  author    = {Lenard, Chris},
  title     = {Ans{\"a}tze zur informatik-gest{\"u}tzten Vorherbestimmung der Behandlungszeit anhand von Befundungsdaten bei Kontroll- und Schmerzf{\"a}llen in der Zahnarztpraxis},
  doi       = {10.25972/OPUS-32034},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-320348},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2023},
  abstract  = {Diese retrospektive Studie untersuchte Patientenakten des elektronischen Karteikartensystems einer privaten Zahnarztpraxis von Patienten, welche zur Kontrolluntersuchung oder wegen Schmerzen vorstellig waren. Ziel der Studie war das Entwickeln von Methoden zur Vorhersage der Behandlungszeit f{\"u}r zuk{\"u}nftige Termine anhand verschiedener Patienteninformationen. Mittels statistischer deskriptiver Auswertung wurden die erfassten Daten untersucht und Korrelationen in Hinblick auf die Behandlungsdauer zwischen den verschiedenen Attributen hergestellt. Es wurden verschiedene Methoden zur Vorherbestimmung der Behandlungsdauer aufgestellt und auf ihr Optimierungspotential getestet. Die Methode mit dem h{\"o}chsten Optimierungswert war ein Ansatz maschinellen Lernens. Der entworfene Algorithmus berechnete Behandlungszeiten der Testgruppe anhand eines Neuronalen Netzes, welches durch Trainieren mit den Daten der Untersuchungsgruppe erstellt wurde.},
  subject      = {Maschinelles Lernen},
  language  = {de}
}