Un abonnement à JoVE est nécessaire pour voir ce contenu. Connectez-vous ou commencez votre essai gratuit.

Dans cet article

  • Résumé
  • Résumé
  • Introduction
  • Protocole
  • Résultats
  • Discussion
  • Déclarations de divulgation
  • Remerciements
  • matériels
  • Références
  • Réimpressions et Autorisations

Résumé

Ce manuscrit présente un protocole complet pour évaluer le mouvement tridimensionnel (3D) des dents postérieures maxillaires avec des gouttières transparentes à l’aide de la superposition de modèles numériques, un outil inestimable en orthodontie et en orthopédie dentofaciale.

Résumé

Depuis l’introduction d’Invisalign par Align Technology, Inc. en 1999, des questions et des débats ont persisté concernant la précision de la thérapie Invisalign (gouttière transparente), en particulier par rapport à l’utilisation d’appareils fixes traditionnels. Cela devient particulièrement important dans les cas impliquant des corrections antéropostérieures, verticales et transversales, où des comparaisons précises sont d’une importance capitale. Pour répondre à ces questions, cette étude introduit un protocole méticuleusement conçu, mettant l’accent sur la superposition numérique du mouvement des dents postérieures maxillaires pour faciliter une analyse précise. L’échantillon comprenait 25 patients qui avaient terminé leur première série de gouttières Invisalign (transparentes). Quatre modèles numériques maxillaires (modèles pré-traitement, post-traitement, ClinCheck-initial et final) ont été superposés numériquement en utilisant les rugae et les dentitions du palais comme références stables. Une combinaison logicielle a été utilisée pour la superposition de modèles et la segmentation des dents. Les matrices de transformation exprimaient ensuite les différences entre les positions de dents obtenues et prévues. Les seuils de différences cliniquement pertinentes étaient de ±0,25 mm pour le déplacement linéaire et de ±2° pour la rotation. Les différences ont été évaluées à l’aide des tests T-carré de Hotelling avec correction de Bonferroni. Les différences moyennes de rotation (2,036° ± 4,217°) et de couple (-2,913° ± 3,263°) étaient significatives statistiquement et cliniquement, avec des valeurs p de 0,023 et 0,0003 respectivement. La dérotation des prémolaires et le contrôle du couple pour toutes les dents postérieures étaient moins prévisibles. Toutes les différences moyennes pour les mesures linéaires étaient statistiquement et cliniquement non significatives, sauf que les premières molaires semblaient légèrement (0,256 mm) plus intrusives que leur position prévue. Le système d’aligneurs transparents semble répondre à sa prédiction pour la plupart des mouvements dentaires translationnels et l’embout mésial-distal dans les dents postérieures maxillaires pour les cas sans extraction avec malocclusions légères à modérées.

Introduction

En 1999, des appareils orthodontiques amovibles fabriqués numériquement ont été mis sur le marché par Align (Align Technology Inc., Tempe, AZ). À l’origine, ce système a été conçu pour résoudre les cas non évolutifs avec un encombrement léger à modéré ou fermer de petits espaces comme alternative esthétique aux appareils fixes traditionnels dans le sens des bords. Grâce à des décennies d’améliorations dans la conception et la fabrication assistées par ordinateur (CAO/FAO), les matériaux dentaires et la planification des traitements, la thérapie par gouttières transparentes (CAT) a depuis été utilisée pour traiter plus de 10 millions de patients atteints de diverses malocclusions dans le monde1. Une étude rétrospective récente a suggéré que la CAT est aussi efficace que la thérapie par appareil fixe pour la population adolescente souffrant de malocclusions légères, avec des résultats significativement améliorés dans l’alignement des dents, les relations occlusales et le surplomb2. Le nombre de rendez-vous, les visites aux urgences et la durée globale du traitement ont également donné de meilleurs résultats pour les patients traités par gouttières transparentes. Bien que la CAT puisse être utilisée pour traiter les malocclusions légères à modérées sans extraction chez les patients non en croissance 3,4, et raccourcir la durée du traitement et le temps passé au fauteuil5, il n’est pas clair si le traitement est aussi efficace que l’étalon-or des appareils dentaires conventionnels 4,6,7,8,9, en particulier pour la correction antéropostérieure et verticale10.

ClinCheck est une plateforme logicielle développée par Align pour fournir aux cliniciens des simulations virtuelles tridimensionnelles (3D) des mouvements dentaires potentiels. Principalement concerné par l’état initial du patient et le plan de traitement prescrit par le clinicien, il peut également être un outil de communication visuelle pour le patient. Tout décalage entre les résultats prévus et obtenus peut nécessiter une correction à mi-parcours, un raffinement ou une conversion en traitement par appareil fixe. Par conséquent, la fiabilité des prédictions logicielles a attiré de plus en plus l’attention des chercheurs. Depuis la revue systématique de Lagravere et Flores-Mir publiée en 200511, les recherches sur la concordance entre les modèles prédits et les modèles post-traitement ont été mesurées de différentes manières, les méthodes de mesure comprenant la longueur de l’arcade, la distance intercanine, la surocclusion, le surplomb, la déviation de la ligne médiane12, le score de réduction13 du système de notation objective de l’American Board of Orthodontics (ABO-OGS), la largeur interdentaire supérieure et inférieure14et les mesures dérivées de la tomodensitométrie à faisceau conique15.

Des comparaisons ont également été faites en superposant les modèles 3D 16,17,18,19,20,21. Par exemple, de nombreuses plateformes logicielles actuelles, telles que ToothMeasure (logiciel interne développé par Align Technology), peuvent superposer de manière reproductible deux modèles numériques à l’aide de points de référence sélectionnés par l’utilisateur sur des dents non traitées, des rugae palatines ou des implants dentaires. Étant donné que les modèles prédits et réalisés n’incluent généralement pas les surfaces palatines, de nombreuses études antérieures 15,16,17,18 ont utilisé les dents postérieures non traitées comme références pour la superposition, y compris la possibilité d’ajouter des erreurs dues aux mouvements relatifs de ces dents. Ces études ont été limitées aux régions antérieures de l’arc dans des cas relativement simples avec un espacement ou un encombrement léger à modéré.

Grünheid et al. ont utilisé la superposition mathématique pour quantifier les écarts entre les plans de traitement virtuels et les résultats réels du traitement afin d’évaluer la précision de la TAO à dentition complète sans structures anatomiques stables dans les modèles numériques20. Haouili et al. ont utilisé la même méthode dans un algorithme du logiciel Compare pour mener une étude de suivi prospective sur l’efficacité du mouvement des dents avec CAT21. L’objectif était de fournir une mise à jour sur la précision associée aux technologies émergentes, c’est-à-dire SmartForce, les matériaux d’aligneurs SmartTrack et les scans numériques. Leurs résultats d’une amélioration de la précision globale de 41 %17 à 50 %21 étaient encourageants, mais n’excluent pas la possibilité que certains mouvements dentaires ne soient toujours pas réalisables de manière satisfaisante avec le système d’aligneurs transparents.

Lorsqu’ils sont prédits et réalisés, les modèles numériques incluent une référence 3D commune indépendante de la dentition, comme les rugae palatins, les implants dentaires ou les tori ; Ils peuvent être co-enregistrés dans le système de coordonnées de nombreuses plates-formes logicielles appropriées. Si une dent d’intérêt est ensuite segmentée de l’une et transformée mathématiquement pour correspondre à sa version déplacée dans l’autre, la matrice de transformation contient les informations complètes nécessaires pour décrire l’ensemble de la transposition 3D. Son contenu peut être exprimé en trois traductions et trois rotations décrites par une convention formelle. Un exemple se trouve sur le logiciel de contrôle 3D Invisalign ClinCheck Pro, où les paramètres numériques indiquant les mouvements dentaires 3D nécessaires pour déplacer les dents vers leurs positions prédites sont affichés dans un tableau de mouvement des dents.

Bien que les modèles initial et final (prédits) du logiciel de planification partagent un système de coordonnées commun fourni par la même plate-forme logicielle, leur absence de palais limite la possibilité de co-enregistrement avec tout autre modèle numérique de dentition à moins qu’ils ne possèdent une dentition identique. Dans ce contexte, on a émis l’hypothèse que la superposition de modèles prédits par logiciel et de modèles post-traitement (réalisés) serait réalisable. Cette faisabilité découle de la disponibilité de deux paires : initiale et finale (superposées automatiquement lors de l’export à partir du logiciel de planification) et une autre paire de modèles de prétraitement et d’obtention (superposés à l’aide de rugae palatal). Ces paires pourraient être enregistrées en utilisant la dentition de prétraitement comme référence pour les aligner sur le modèle initial d’Invisalign. Par la suite, la segmentation des dents individuelles a pu être effectuée pour évaluer les différences dans leurs positions et leurs orientations. Cette évaluation implique la transposition des dents entre les modèles, et les matrices de transformation permettraient une quantification numérique des translations et des réorientations.

Dans ce protocole, une approche visant à évaluer l’efficacité de la CAT dans le traitement des malocclusions légères à modérées chez les adolescents et les adultes a été introduite, en se concentrant spécifiquement sur les dents postérieures maxillaires. L’hypothèse nulle était qu’il n’y avait pas de différence entre la position des dents obtenue et celle prédite par le logiciel de planification dans les dents postérieures maxillaires après la première série de gouttières transparentes.

Protocole

Cette étude a reçu l’approbation éthique de l’Institutional Review Board de l’Université de la Colombie-Britannique (no H19-00787). Pour préserver la confidentialité, tous les échantillons utilisés dans l’étude ont été soumis à des procédures de dépersonnalisation. De plus, avant leur inclusion dans la recherche, le consentement éclairé de tous les patients participants a été obtenu de manière appropriée.

REMARQUE : Chaque participant a fourni quatre modèles numériques maxillaires, qui comprenaient les éléments suivants :

  1. Modèle numérique de prétraitement, avec le palais scanné à l’aide d’iTero
  2. Modèle numérique post-traitement, avec le palais scanné à l’aide d’iTero
  3. Modèle de prétraitement, exporté depuis le logiciel de planification.
  4. Modèle prédit, exporté depuis le logiciel de planification.

Ce protocole s’appuyait sur une combinaison de plusieurs outils logiciels, notamment CloudCompare, Meshmixer et Rhinoceros. Ces plateformes logicielles ont joué un rôle central en facilitant le processus d’enregistrement et en permettant la segmentation des dents individuelles dans le but d’analyser leurs mouvements et leurs orientations. Il convient de noter que ces outils logiciels peuvent être reproduits avec d’autres options logicielles open source, à condition qu’ils puissent atteindre des objectifs similaires. Un flux de travail illustrant la séquence logicielle est présenté à la figure 1.

1. Préparation

  1. Obtenez les modèles initiaux et finaux (prédits) sous forme de fichiers stéréolithographiques (STL) à partir du logiciel de planification en cliquant sur Outils > Exporter > STL.
    REMARQUE : Les modèles exportés à partir du logiciel de planification ne présentent que des couronnes cliniques et une gencive virtuelle sans le palais.
  2. Obtenez les modèles numériques de pré-traitement et de post-traitement sous forme de fichiers STL à partir du logiciel de modèle numérisé (OrthoCAD) en sélectionnant le scan, en cliquant et en choisissant Exporter > Type d’exportation (coque ouverte), Format de données (Fichier par arcade [arcades orientées en occlusion]).
    REMARQUE : Les modèles exportés à partir du logiciel de numérisation des modèles incluent non seulement la dentition, mais aussi la gencive et l’ensemble du palais.

2. Superposition palatale de modèles numériques avant et après traitement dans CloudCompare

  1. Ouvrez le logiciel et faites glisser et déposez les fichiers STL des modèles numériques de prétraitement et de post-traitement.
  2. Sélectionnez chaque modèle et cliquez sur Modifier > couleurs > Définir comme unique pour modifier les couleurs des modèles sélectionnés.
  3. Sélectionnez le modèle numérique post-traitement et cliquez sur l’icône Traduire/Pivoter . Cliquez avec le bouton droit de la souris pour faire glisser le modèle afin qu’ils soient côte à côte. Cliquez sur la coche verte.
  4. Sélectionnez le modèle numérique de prétraitement et cliquez sur l’icône Segmenter .
  5. Cliquez sur quatre points sur les rugae palatales et cliquez avec le bouton droit de la souris pour désélectionner. Cliquez sur Segment entrant, puis sur la coche verte. Répétez les étapes 2.4 à 2.5 pour le modèle numérique post-traitement.
  6. Masquez les modèles PostTreatModel.remaining et PreTreatModel.remaining et sélectionnez les modèles PostTreatModel.part et PreTreatModel.part .
  7. Cliquez sur l’icône d’alignement de l’enregistrement approximatif (sélection de paires de points) et placez au moins trois repères correspondants sur le palais de chaque côté de la ligne médiane pour les palais avant et après le traitement. Cliquez sur Aligner, puis sur la coche verte.
  8. Affichez les maillages des deux modèles et déplacez le modèle PostTreatModel.remaining non transformé en copiant la matrice de transformation, en cliquant sur Modifier > Appliquer la transformation, puis en collant la matrice de transformation.
    REMARQUE : Les sorties de la matrice de transformation sont affichées dans la console.
  9. Masquez les modèles PostTreatModel.remaining et PreTreatModel.remaining et sélectionnez les modèles PostTreatModel.part et PreTreatModel.part .
  10. Cliquez sur l’icône Alignement de l’enregistrement fin et assurez-vous que le modèle PreTreatModel.part est sélectionné comme référence. Cliquez sur OK.
    REMARQUE : Confirmez la valeur quadratique moyenne (RMS) résultante dans la fenêtre d’informations d’enregistrement. Un écart de ≤ 0,05 RMS est acceptable.
  11. Affichez les maillages des deux modèles et déplacez le modèle PostTreatModel.remaining non transformé en copiant la matrice de transformation, en cliquant sur Modifier > Appliquer la transformation, puis en collant la matrice de transformation.
  12. Enregistrez les modèles superposés PostTreatModel.remaining et PreTreatModel.remaining en tant que fichiers STL.

3. Préparation du modèle logiciel pour la superposition avec le logiciel Rhinoceros

  1. Importez séparément les fichiers STL du logiciel de planification, le prétraitement et les modèles prédits.
    REMARQUE : Lors de l’importation de modèles logiciels dans un logiciel de mesure tel que Rhinoceros ou CloudCompare, l’orientation et l’enregistrement des modèles sont conservés
  2. Sélectionnez la gencive simulée et appuyez sur Supprimer pour la supprimer.
  3. Cliquez sur Outils de maillage, sélectionnez Plan de maillage. Tracez un rabot autour des dents et déplacez-le vers le 1/3 occlusal des couronnes dentaires. Cela améliorera la précision de la superposition.
  4. Double-cliquez sur le bouton Droit pour développer la vue de droite.
  5. Entrez la commande MeshBooleanSplit et sélectionnez le plan et toutes les dents, puis appuyez sur Entrée.
  6. Supprimez les parties planes et cervicales des dents en laissant les couronnes dentaires occlusales 1/3.
  7. Enregistrez le modèle scindé en tant que fichier STL.
  8. Répétez toutes les étapes pour l’autre modèle.

4. Superposition de modèles numériques prédits par logiciel et post-traitement avec CloudCompare

  1. Faites glisser et déposez les fichiers STL des modèles numériques de prétraitement et de post-traitement précédemment superposés de manière palatine, ainsi que les modèles prédits de prétraitement et de prédiction divisés.
  2. Sélectionnez chaque modèle et cliquez sur Modifier > couleurs > Définir comme unique pour modifier les couleurs des modèles sélectionnés.
  3. Sélectionnez les modèles numériques de prétraitement et de post-traitement et cliquez sur l’icône Traduire/Pivoter . Cliquez avec le bouton droit de la souris pour faire glisser les modèles afin qu’ils soient côte à côte.
  4. Demandez au logiciel de masquer le modèle prédit fractionné et le modèle numérique post-traitement en décochant les cases correspondantes. Sélectionnez le modèle de prétraitement fractionné et le modèle numérique de prétraitement.
  5. Cliquez sur l’icône d’alignement Enregistrement approximatif et placez les repères correspondants sur les cuspides des couronnes sur le modèle de prétraitement divisé et le modèle numérique de prétraitement. Cliquez sur Aligner, puis sur la coche verte.
  6. Affichez le modèle prédit fractionné et le modèle de post-traitement et déplacez le modèle de post-traitement non transformé en copiant la matrice de transformation, en cliquant sur Modifier > Appliquer la transformation, puis en collant la matrice de transformation.
  7. Masquez les modèles prédits post-traitement et divisez. Sélectionnez les modèles de prétraitement et de prétraitement divisé. Cliquez sur l’icône d’alignement Enregistrement fin pour trouver le meilleur ajustement entre le modèle de prétraitement fractionné et le modèle numérique de prétraitement.
  8. Affichez les maillages et déplacez le modèle non transformé en copiant la matrice de transformation, en cliquant sur Modifier > Appliquer la transformation, puis en collant la matrice de transformation.
  9. Affichez les modèles numériques prédits et post-traitement divisés, puis masquez le modèle numérique de prétraitement et le modèle numérique de prétraitement pour afficher la superposition (Figure 2).
  10. Enregistrez les modèles en tant que fichiers STL.

5. Segmentation de la couronne à l’aide de Meshmixer

  1. Importez le modèle prédit fractionné et le modèle numérique post-traitement dans Meshmixer.
  2. Cliquez sur Modifier > Dupliquer pour dupliquer les modèles pour le nombre de dents à segmenter. Étiquetez chaque modèle avec le numéro de dent correspondant à segmenter.
  3. Masquez le modèle prédit fractionné en cliquant sur l’icône Œil , ce qui permet de garder le modèle numérique post-traitement visible.
  4. Sur le modèle de post-traitement, cliquez sur Sélectionner et ajustez la taille du pinceau. Pour segmenter la couronne sélectionnée, faites glisser l’outil Brosse sur la surface occlusale de la dent sélectionnée, en accordant une attention particulière aux pointes des cuspides.
  5. Cliquez sur Modifier > inverser, puis sur Modifier > Ignorer pour supprimer le reste du modèle, en laissant la couronne segmentée.
  6. Affichez le modèle prédit fractionné et masquez le modèle post-traitement en cliquant sur les icônes Œil correspondantes.
  7. Répétez les étapes 5.4 et 5.5 pour le modèle prédit fractionné.
  8. Exportez chaque couronne sélectionnée sous forme de fichiers STL.
  9. Répétez toutes les étapes pour chaque segmentation dentaire.

6. Superposition dentaire avec CloudCompare

  1. Importez les couronnes numériques segmentées post-traitement et divisez les couronnes prédites par logiciel dans le logiciel. Assurez-vous que l’orientation et le repérage du cloud restent cohérents. Établir la grille de coordonnées mondiale pour normaliser l’orientation des dents droite et gauche, améliorant ainsi la fiabilité de la méthodologie. Le centre de la grille doit représenter la coordonnée (0,0,0,0,0,0) du cloud logiciel CloudCompare.
  2. Sélectionnez les deux couronnes et cliquez sur Modifier > normales > Calculer > par sommet.
  3. Sélectionnez chaque dent et cliquez sur Modifier > couleurs > définir comme unique pour modifier les couleurs des modèles sélectionnés.
  4. Cachez la dent post-traitement en décochant la case et sélectionnez à la fois la dent post-traitement cachée et la dent visible prédite.
  5. Sélectionnez la vue du bas, cliquez sur l’icône Traduire/Pivoter et utilisez les plans X, Y et Z pour faire pivoter la dent de sorte que la cuspide buccale s’aligne avec la ligne verticale.
  6. Sélectionnez la vue latérale gauche, cliquez sur l’icône Traduire/Pivoter et tracez les cuspides buccales et linguales avec la ligne horizontale.
  7. Sélectionnez la vue arrière, cliquez sur l’icône Traduire/Pivoter et tracez les cuspides buccales et linguales avec la ligne horizontale.
    REMARQUE : Essayez d’aligner ses surfaces occlusales et faciales avec les axes et les plans du monde. Assurez-vous que le centre de la boîte englobante de la dent est positionné à l’origine mondiale. En adhérant à la grille de coordonnées mondiale, les positions de toutes les dents seront standardisées. Cette étape garantit une conversion cohérente et précise des translations X, Y et Z sur tous les axes, quelle que soit la position spécifique d’une dent individuelle.
  8. Une fois que toutes les cuspides sont alignées, cliquez sur l’icône Traduire/Pivoter pour centrer la dent sur la grille dans toutes les vues.
  9. Affichez la dent post-traitement et sélectionnez la dent prédite et la dent post-traitement.
  10. Cliquez sur l’icône d’alignement de l’enregistrement fin pour enregistrer la dent post-traitement sur la dent prédite. Cliquez sur OK.
    REMARQUE : une fois l’opération terminée, CloudCompare affiche les informations d’enregistrement, y compris la superposition RMS (Figure 3).
  11. Pour déterminer les différences de position et de rotation entre les deux dents, sélectionnez la dent post-traitement, copiez la matrice de transformation, cliquez sur Modifier > Appliquer la transformation, puis collez la matrice de transformation.
  12. Sélectionnez l’icône Angles d’Euler pour afficher les mouvements de rotation et linéaires entre la dent prédite et la dent post-traitement.
  13. Documentez toutes les mesures de translation et de rotation dans une feuille de calcul. Répétez ce processus pour toutes les dents postérieures restantes.
    REMARQUE : Utilisez le système de notation du modèle12 de l’American Board of Orthodontics (ABO) pour identifier les différences de mesure cliniquement significatives. Les différences supérieures à 0,5 mm linéairement et à 2 degrés angulaires sont considérées comme cliniquement pertinentes.
  14. Ajustez les valeurs de mesure pour la direction antéro-postérieure des dents du côté droit dans une feuille de calcul. Cet ajustement tient compte de l’orientation standardisée des dents du côté droit par rapport aux dents du côté gauche.

7. Spécifications de mesure

  1. Comprendre la séquence des conventions de rotation et de mesure : CloudCompare utilise la convention extrinsèque (origine mondiale) ZYX de Tait-Bryan pour ses mesures.
    REMARQUE : Pour la translation, les axes représentent X (direction buccolinguale), Y (direction mésiodistale) et Z (direction verticale : intrusion/extrusion). Les mouvements angulaires sont représentés par l’axe X (Psi - basculement mésiodistal), l’axe Y (Thêta - couple buccolingual) et l’axe Z (Phi - rotation mésiodistale)22. Les mouvements dentaires s’expriment en fonction de l’anatomie de la dent, quelle que soit sa position dans l’arcade. Le signe des mesures (+, -) indique la direction de l’origine du monde et la rotation autour de ses axes.
  2. Importance de la pertinence contextuelle : Notez que les termes directionnels décrivant les mouvements dentaires (par exemple, mésial, distal, buccolingual) font référence à la dent spécifique et ne tiennent pas compte des altérations relatives à l’arcade dentaire.

8. Analyse statistique

  1. Utilisez le package statistique R (v 3.2.3, RStudio Inc.) via RStudio (version 1.4.1103) pour toutes les analyses.
  2. Sélectionnez 32 dents au hasard et effectuez des mesures en double à 1 mois d’intervalle.
  3. Testez la fiabilité intra-examinateur avec les coefficients de corrélation intra-classe (ICC) et les analyses Bland Altman pour les deux ensembles de mesures.
  4. Appliquez les tests T-carré de Hotelling pour tester les différences de prédiction moyennes entre les positions de dent prédites et obtenues pour les paramètres angulaires et linéaires.
  5. Ajustez pour les comparaisons de dents multiples en utilisant une correction de Bonferroni sur les valeurs p, en visant un taux d’erreur familial de 0,05.
  6. Effectuez un test en T au carré de Hotelling a posteriori si des différences significatives sont détectées afin de déterminer si les différences de prédiction pour chaque type de dent et paramètre de mouvement sont significatives. Considérez les écarts de 0,25 mm ou plus dans les mesures linéaires et de 2° ou plus pour les mesures angulaires comme cliniquement pertinents.

Résultats

Une taille d’échantillon minimale de 24 cas a été nécessaire pour détecter un changement d’effet de 0,6° pour les angles moyens de pointe et de couple, avec une puissance de 80 % et un alpha de 0,0523. Les critères d’inclusion étaient les suivants : (1) dentition permanente complète à travers les premières molaires, (2) malocclusions de classe I, ou malocclusions de classe II/III de moins de 2 mm avec espacement, ou encombrement léger à modéré ayant subi un traitement Invisali...

Discussion

Les rugae palataux ont une configuration unique à l’adolescence ; ils restent constants pendant la croissance, sont des marqueurs authentiques pour l’identification personnelle et sont considérés comme des références anatomiques stables pour la superposition du modèle maxillaire 24,25,26,27. Dai et al. ont utilisé cette méthode pour comparer le mouvement des dents atteint et prévu ...

Déclarations de divulgation

Les auteurs n’ont rien à divulguer.

Remerciements

Ce travail a été financé par le programme international de bourses de recherche Align (Align Technology Inc., Tempe, AZ). Cependant, la source de financement n’a pas participé à la réalisation de la recherche ou à la préparation de l’article. Nous tenons à remercier la Dre Sandra Tai et le Dr Samuel Tam pour leur généreux soutien dans la fourniture des cas Invisalign et Nikolas Krstic pour son soutien professionnel aux analyses statistiques.

matériels

NameCompanyCatalog NumberComments
CloudCompare GPL software  Version 2.11open-source software (https://www.cloudcompare.net/)
Meshmixer software Autodesk, Inc.
Rhinoceros 5.0 Robert McNeel & AssociatesVersion 5.0

Références

  1. ALGN Q320 Financial slides and historical data. Available from: https://investor.aligntech.com/events (2020)
  2. Borda, A. F., et al. Outcome assessment of orthodontic clear aligners vs fixed appliance treatment in a teenage population with mild malocclusions. Angle Orthodontist. 90 (4), 485-490 (2020).
  3. Patterson, B. D., et al. Class II malocclusion correction with Invisalign: Is it possible. American Journal of Orthodontics and Dentofacial Orthopedics. 159 (1), e41-e48 (2021).
  4. Roberston, L., et al. Effectiveness of clear aligner therapy for orthodontic treatment: A systematic review. Orthodontics and Craniofacial Research. 23 (2), 133-142 (2020).
  5. Papadimitriou, A., Mousoulea, S., Gkantidis, N., Kloukos, D. Clinical effectiveness of Invisalign orthodontic treatment: a systematic review. Progress in Orthodontics. 19 (1), 37-60 (2018).
  6. Ke, Y., Zhu, Y., Zhu, M. A comparison of treatment effectiveness between clear aligner and fixed appliance therapies. BMC Oral Health. 19 (1), 24 (2019).
  7. Zheng, M., Liu, R., Ni, Z., Yu, Z. Efficiency, effectiveness and treatment stability of clear aligners: a systematic review and meta-analysis. Orthodontics and Craniofacial Research. 20 (3), 127-133 (2017).
  8. Papageorgiou, S. N., Koletsi, D., Iliadi, A., Peltomaki, T., Eliades, T. Treatment outcome with orthodontic aligners and fixed appliances: a systematic review with meta-analysis. European Journal of Orthodontics. 42 (3), 331-343 (2020).
  9. Galan-Lopez, L., Barcia-Gonzalez, J., Plasencia, E. A systematic review of the accuracy and efficiency of dental movements with Invisalign. Korean Journal of Orthodontics. 49 (3), 140-149 (2019).
  10. Rossini, G., Parrini, S., Castroflorio, T., Deregibus, A., Debernardi, C. L. Efficacy of clear aligners in controlling orthodontic tooth movement: A systematic review. Angle Orthodontist. 85 (5), 881-999 (2015).
  11. Lagravère, M. O., Flores-Mir, C. The treatment effects of Invisalign orthodontic aligners: a systematic review. Journal of the American Dental Association. 136 (12), 1724-1729 (2005).
  12. Krieger, E., Seiferth, J., Saric, I., Jung, B. A., Wehrbein, H. Accuracy of Invisalign® treatments in the anterior region: First results. Journal of Orofacial Orthopedics. 72 (2), 141-149 (2011).
  13. Buschang, P. H., Shaw, S. G., Ross, M., Crosby, D., Campbell, P. M. Predicted and actual end-of-treatment occlusion produced with aligner therapy. Angle Orthodontist. 85 (5), 723-727 (2015).
  14. Houle, J. P., Piedade, L., Todescan, R., Pinheiro, F. H. The predictability of transverse changes with Invisalign. Angle Orthodontist. 87 (1), 19-24 (2017).
  15. Zhou, N., Guo, J. Efficiency of upper arch expansion with the Invisalign system. Angle Orthodontist. 90 (1), 23-30 (2020).
  16. Kravitz, N. D., Kusnoto, B., Agran, B., Viana, G. Influence of attachments and interproximal reduction on the accuracy of canine rotation with Invisalign. A prospective clinical study. Angle Orthodontist. 78 (4), 682-687 (2008).
  17. Kravitz, N. D., Kusnoto, B., BeGole, E., Obrez, A., Agran, B. How well does Invisalign work? A prospective clinical study evaluating the efficacy of tooth movement with Invisalign. American Journal of Orthodontics and Dentofacial Orthopedics. 135 (1), 27-35 (2009).
  18. Simon, M., Keilig, L., Schwarze, J., Jung, B. A., Bourauel, C. Treatment outcome and efficacy of an aligner technique-regarding incisor torque, premolar and molar distalization. BMC Oral Health. 14, 68 (2014).
  19. Charalampakis, O., Iliadi, A., Ueno, H., Oliver, D. R., Kim, K. B. Accuracy of clear aligners: a retrospective study of patients who needed refinement. American Journal of Orthodontics and Dentofacial Orthopedics. 154 (1), 47-54 (2018).
  20. Grünheid, T., Loh, C., Larson, B. E. How accurate is Invisalign in nonextraction cases? Are predicted tooth positions achieved. Angle Orthodontist. 87 (6), 809-815 (2017).
  21. Haouili, N., Kravitz, N. D., Vaid, N. R., Ferguson, D. J., Makki, L. Has Invisalign improved? A prospective follow-up study on the efficacy of tooth movement with Invisalign. American Journal of Orthodontics and Dentofacial Orthopedics. 158 (3), 420-425 (2020).
  22. Alwafi, A. A., Hannam, A. G., Yen, E. H., Zou, B. A new method assessing predicted and achieved mandibular tooth movement in adults treated with clear aligners using CBCT and individual crown superimposition. Scientific Reports. 13, 4084 (2023).
  23. Huanca Ghislanzoni, L. T., et al. Evaluation of tip and torque on virtual study models: a validation study. Progress in Orthodontics. 26 (1), 14-19 (2013).
  24. English, W. R., et al. Individuality of human palatal rugae. Journal of Forensic Sciences. 33 (3), 718-726 (1988).
  25. Almeida, M. A., et al. Stability of the palatal rugae as landmarks for analysis of dental casts. Angle Orthodontist. 65 (1), 43-48 (1995).
  26. Jang, I., et al. A novel method for the assessment of three-dimensional tooth movement during orthodontic treatment. Angle Orthodontist. 79 (3), 447-453 (2009).
  27. Chen, G., et al. Stable region for maxillary dental cast superimposition in adults, studied with the aid of stable miniscrews. Orthodontics and Craniofacial Research. 14 (2), 70-79 (2011).
  28. Dai, F. F., Xu, T. M., Shu, G. Comparison of achieved and predicted tooth movement of maxillary first molars and central incisors: first premolar extraction treatment with Invisalign. Angle Orthodontist. 89 (5), 679-687 (2019).
  29. An, K., Jang, I., Choi, D. S., Jost-Brinkmann, P. G., Cha, B. K. Identification of a stable reference area for superimposing mandibular digital models. Journal of Orofacial Orthopedics. 76 (6), 508-519 (2015).
  30. Miller, R. J., Kuo, E., Choi, W. Validation of Align Technology's Treat IIITM digital model superimposition tool and its case application. Orthodontics and Craniofacial Research. 6 (s1), 143-149 (2003).
  31. Cevidanes, L. H. C., Oliveira, A. E. F., Grauer, D., Styner, M., Proffit, W. R. Clinical application of 3D Imaging for assessment of treatment outcomes. Seminars in Orthodontics. 17 (1), 72-80 (2011).
  32. Tait-Bryan angles - Wikimedia Commons. Available from: https://commons.wikimedia.org/wiki/Tait-Bryan_angles (2023)
  33. Al-Nadawi, M., et al. Effect of clear aligner wear protocol on the efficacy of tooth movement. Angle Orthodontist. 91 (2), 157-163 (2021).
  34. Cortona, A., Rossini, G., Parrini, S., Dergibus, A., Castroflorio, T. Clear aligner orthodontic therapy of rotated mandibular round-shaped teeth: A finite element study. Angle Orthodontist. 90 (2), 247-254 (2020).
  35. Nucera, R., et al. Effects of composite attachments on orthodontic clear aligners therapy: A systematic review. Materials. 15 (2), 533 (2022).

Réimpressions et Autorisations

Demande d’autorisation pour utiliser le texte ou les figures de cet article JoVE

Demande d’autorisation

Explorer plus d’articles

Ce mois ci dans JoVEnum ro 204

This article has been published

Video Coming Soon

JoVE Logo

Confidentialité

Conditions d'utilisation

Politiques

Recherche

Enseignement

À PROPOS DE JoVE

Copyright © 2025 MyJoVE Corporation. Tous droits réservés.