TY -的A2 Wang Xue-Qiang盟——Farook Taseef哈桑盟——Jamayet Nafij本盟-阿卜杜拉,Johari Yap AU -阿拉姆,穆罕默德无独有偶PY - 2021 DA - 2021/04/26 TI -机器学习和智能诊断在牙科和Orofacial疼痛管理:系统回顾SP - 6659133六世- 2021 AB - 目的。研究探索临床影响效率,限制,和人类的机器学习的比较结果诊断(1)牙科疾病,(2)牙周疾病,(3)创伤和神经痛,(4)囊肿和肿瘤,(5)腺疾病,(6)骨骼和牙齿的原因可能是颞下颌关节和orofacial疼痛。 方法。斯高帕斯、PubMed和网络科学(所有数据库)被搜索2评论者直到29日^th2020年10月。文章筛选和故事体地合成根据PRISMA-DTA指南基于预定义的合格标准。文章,直接参考试验比较了人类临床医生使用MI-CLAIM清单进行评估。偏见的风险被JBI-DTA关键的评估,评估和确定性的证据是评估使用等级的方法。信息的量化方法牙科疼痛和疾病,队列训练和测试数据的条件特点在机器学习,诊断结果,并与临床医生诊断测试的比较,在适用情况下,提取。 结果。34个合格的文章被发现对于数据合成,其中8篇文章直接参考比较人类的临床医生。7篇论文得分超过13(评估的15分)MI-CLAIM方法与所有论文得分5 + (7)JBI-DTA评估。级方法揭示与大多数研究包含严重的偏见和不一致的风险比他们真正的阳性病例流行为了方便机器学习。Patient-perceived症状和临床历史通常比射线照片发现不可靠或组织学训练准确的机器学习模型。协议偏低是建议临床医生培训模型之间产生负面影响的预测精度。参考比较发现nonspecialized临床医生不到3年的经验是弱势群体对训练模型。 结论。机器学习在牙科和orofacial医疗显示的结果在诊断疾病的疼痛症状和改善未来的迭代和可以作为辅助诊断手段的诊所。目前的审查没有内部分析机器学习模型和相应的算法,也不考虑混杂变量和因素负责塑造orofacial障碍负责诱发疼痛。SN - 1203 - 6765你2021/6659133 / 10.1155——https://doi.org/10.1155/2021/6659133——摩根富林明——疼痛研究和管理PB - Hindawi KW - ER