La literatura científica disponible muestra los factores involucrados en el resultado final de un tratamiento endodóntico, el límite de la obturación apical, se considera factor de riesgo, al momento de evaluar el éxito o fracaso del procedimiento, la utilización de nuevas técnicas imagenológicas, como la tomografía de haz cónico (CBCT), proporcionan al clínico herramientas valiosas en el desarrollo del tratamiento endodóntico y la posibilidad de controlar factores de riesgo relacionados con su fracaso. Basados en esto se diseña un estudio analítico descriptivo de corte transversal; VI trabajo perteneciente a la línea de pronostico del Posgrado de Endodoncia de la FOUN, el cual pretende establecer la relación del límite de la obturación con el resultado del tratamiento endodóntico, bajo la medición de raíces obturadas endodonticamente observadas en imágenes CBCT. Con criterios de Inclusión estrictos y bajo los estándares Éticos que se han respetado a lo largo de todos los estudios de la línea.Para la medición, dos observadores calibrados (SQ)(ED), en el software CS 9000 3D Extraoral Imaging System Versión 3.2.12 de la casa Care Stream Health® , harán tres mediciones con intervalos de tiempo establecidos semanalmente de cada vista (Coronal, Sagital y Axial), para obtener el promedio de las tres mediciones de cada una de las vistas, lo que definirá la distancia desde el ápice radiográfico hasta la visualización del material de obturación 12. Las mediciones obtenidas, serán agrupadas según el INEs, para clasificar los rangos del límite de obturación en referencia al ápice radiográfico para cada raíz. Los rangos se consideraran para éste estudio como las variables categóricas dependientes. De igual manera las condiciones radiográficas de normalidad o anormalidad del tejido periapical, serán definidas para este estudio como variables independientes. Para la observación de las mediciones obtenidas, se realizará una prueba F que determinará la variabilidad inter examinador, posteriormente Los resultados serán analizados, mediante la aplicación de un modelo de regresión logística, seguido por un análisis de diferencia de medias, siempre y cuando, la distribución de los datos reporte como normal.