Refine
Has Fulltext
- yes (2)
Is part of the Bibliography
- yes (2)
Document Type
- Doctoral Thesis (2)
Language
- German (2)
Keywords
Einführung
Intraorale Weichteilinfektionen (OSTI) sind ein häufiges Problem in der Zahnmedizin und Kieferchirurgie. Diese Abszesse sind meist dentalen Ursprungs(OIDC), einige wiederum treten als postoperative Infektionen (POI) nach einer Zahnextraktion (OITR) oder Wurzelspitzenresektion (Oirr) auf. Das Hauptziel dieser Studie war es OIDC mit POI zu vergleichen. Ein weiteres Ziel war es, die unterschiedlichen antibiotischen Behandlungen bei OSTI unterschiedlicher Ätiologien gegeneinander abzuwägen. Die Auswirkungen der dritten Molaren auf OSTI wurde ebenfalls untersucht, und auch die Rate von POI nach Entfernung der dritten Molaren wurden angegeben.
Material und Methode
Die Patientendaten wurden durch die Analyse der Aufzeichnungen und Akten erhoben. Die Ergebnisse wurden statistisch ausgewertet mit SPSS (SPSS Version 21.0, SPSS, IBM, Chicago, IL, USA). Einschlusskriterium war die ambulante Behandlung eines Patienten mit dem Krankheitsbild einer intraoralen Infektion. Die Ausschlusskriterien waren ein frühes Stadium der Infiltration ohne Abszessbildung und die Notwendigkeit einer stationären Behandlung.
Ergebnisse
Apikale Parodontitiden, vor allem im Bereich der Molaren waren die häufigste Ursache für OIDC. In der OITR Gruppe war Zahnentfernung die häufigste Ursache (p = 0,016). Bemerkenswerterweise führte die Entfernung von unteren Weisheitszähnen zu einer erheblichen Anzahl von Fällen in der OITR Gruppe (p = 0,022).
Schlussfolgerungen
In unserer Studie konnten wir keine Unterschiede zwischen der bakteriellen Flora bei Patienten mit OIDC und POI erörtern. Aufgrund der aktuellen Resistenzraten, ziehen wir die Schlussfolgerung, dass Amoxicillin kombiniert mit Clavulansäure das Antibiotikum der Wahl für intraorale Infektionen, unabhängig von deren Ätiologie, zu sein scheint.
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 für zukünftige 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 höchsten 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.