Ziel: Zur Bestimmung von metrischen Genauigkeiten, geht es innerhalb von zahnmedizinischen Genauigkeitsuntersuchungen typischerweise um die Bestimmung der Abweichungen zwischen Ist- und Soll-Datensätzen von Urmodellen. Dabei werden zur Analyse verschiedene Messmethoden verwendet, wobei die Ergebnisse häufig direkt miteinander verglichen werden. Ziel der vorliegenden Studie war es daher, den Einfluss und die Auswirkung verschiedener Methoden der digitalen Datenanalyse – koordinatenbasierte Analyse (CBA) und Best-Fit-Überlagerung – auf die Ergebnisse zu analysieren.
Material und Methode: Ein Modell mit vier Implantaten und einem Referenzquader wurde durch Mikro-Computertomografie (CT) digitalisiert und diente als Urmodell. Es wurden zehn Implantatabformungen mit einem Intraoralscanner (Trios/3Shape) und jeweils drei verschiedenen Scanbodies (nt-trading/Kulzer/Medentika) durchgeführt. Die Abweichungen zwischen dem Urmodell und den digitalen Abformungen wurden mithilfe der CBA und Best-Fit-Überlagerung analysiert. Die statistische Analyse wurde mit SPSS-25 durchgeführt.
Ergebnisse: Die Abweichungen in der CBA- und Best-Fit-Überlagerungsanalyse reichten von 0,088 ± 0,012 mm (Mittelwert ± SE; Medentika, 14) bis 0,199 ± 0,021 mm (Kulzer, 26) bzw. von 0,042 ± 0,010 mm (Medentika, 16) bis 0,074 ± 0,006 mm (Kulzer, 16). In der vorliegenden Studie wurden signifikante Unterschiede zwischen den Implantatpositionen in der CBA und zwischen den digitalen Messungen an jeder Implantatposition festgestellt, während die Best-Fit-Überlagerung keinen signifikanten Unterschied zwischen den Scanbodies und den Implantatpositionen zeigte.
Schlussfolgerung: Die CBA zeigt einen Vorteil gegenüber der Best-Fit-Analyse bei der Messung von Punkt-zu-Punkt Abständen, jedoch ist eine globale Analyse sowie die Visualisierung von Winkeln und Torsionen nur erschwert möglich. Die Auswertung mit der Best-Fit-Analyse stellt das klinische Szenario ähnlich der Einprobe einer Gerüststruktur besser dar; sie ist jedoch aus wissenschaftlicher Perspektive mit dem Risiko verbunden, dass sich mögliche Störfaktoren und daraus resultierende Fehler nivellieren können und dadurch die Identifizierung anderer Einflussparameter nicht möglich ist, sodass deren Einfluss unerkannt bleibt.