Im präklinischen Ausbildungsabschnitt des Zahnmedizinstudiums sollen die Studierenden möglichst umfassend und vielseitig auf die Behandlung von Patienten vorbereitet werden. Bislang zählt die Schienung parodontal gelockerter Zähne nicht zum Ausbildungsspektrum und es gibt kein Übungsmodell, mit welchem diese Art der Versorgung erlernt werden könnte. Ziel dieser Studie war es, Zähne für ein Übungsmodell zu entwickeln, dieses mithilfe des 3D-Druckes herzustellen, sowie zusätzlich die Handhabung von verschiedenen Schienungsmaterialien von ungeübten Behandlern bewerten zu lassen. Es wurden parodontal gelockerte Zähne 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 Zähne jeweils mit dem Material everStick Perio (GC Dental) und dem Material Ribbond Ultra (Ribbond Inc.) geschient. Die Bewertung der gedruckten Übungszähne sowie der zwei Schienungsmaterialien durch die Teilnehmer erfolgte mithilfe eines Fragebogens unter Nutzung der Schulnoten von 1 (sehr gut) bis 6 (ungenügend). Die geschienten Modelle wurden gescannt und digital verglichen. Die Schienungsübung wurde insgesamt als „gut“ empfunden. Die Realitätstreue der Zahnlockerungen sowie die Repositionierung der Zähne 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 Übung wurde mit der Note „gut“ bewertet, wobei die Teilnehmer ihre eigenen Fähigkeiten 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 Zähnen aufgliederten. Die Anwendbarkeit dieses Trainingskonzeptes wurde bestätigt, da sich aus Sicht der Studierenden ein positiver Lerneffekt zeigte.

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.