Modelo de agregación para medir efectividad del proto-colo de expansión rápida palatina asistida por minitorni-llos (MARPE)

Contenido principal del artículo

Marcelo de Melo Quintela
Sabrina Buchmann Rossi
Katty Johanna Lalangui Vega
Jaime Cordova Peralta
Silvia Marisol Gavilánez Villamarín

Resumen

Evaluar la expansión palatina rápida asistida por microimplantes (MARPE), considerada una alternativa a las intervenciones quirúrgicas para la disyunción de la sutura palatina media en adolescentes y adultos con deficiencia transversal maxilar, es muy importante en este escenario. La presente investigación tiene como objetivo desarrollar un modelo de agregación para medir la efectividad del protocolo de expansión rápida palatina asistida por minitornillos (MARPE). Se demuestra la aplicación de MARPE en un reporte de caso desfavorable de una adulta con mordida cruzada total, en etapa avanzada de fusión del proceso palatino, con pobre volumen óseo, en comparación con la misma terapia en un adolescente de una etapa más temprana de maduración de la sutura. En ambos casos se realizó el protocolo de activación recomendado. El MARPE tiene versatilidad para adoptar protocolos diferenciados con relación a la edad cronológica y estadio de osificación de la sutura. Una tomografía mostró resultados satisfactorios en ambos pacientes. En el caso desfavorable, la apertura de la sutura se produjo a niveles más modestos, pero fue suficiente para corregir la mordida cruzada posterior.

##plugins.themes.bootstrap3.displayStats.downloads##

##plugins.themes.bootstrap3.displayStats.noStats##

Detalles del artículo

Cómo citar
Modelo de agregación para medir efectividad del proto-colo de expansión rápida palatina asistida por minitorni-llos (MARPE) . (2022). Neutrosophic Computing and Machine Learning. ISSN 2574-1101, 20, 75-82. https://fs.unm.edu/NCML2/index.php/112/article/view/192
Sección
Articulos

Cómo citar

Modelo de agregación para medir efectividad del proto-colo de expansión rápida palatina asistida por minitorni-llos (MARPE) . (2022). Neutrosophic Computing and Machine Learning. ISSN 2574-1101, 20, 75-82. https://fs.unm.edu/NCML2/index.php/112/article/view/192