Application of the Dental Hygiene Human Needs Conceptual Model and the Oral Health‐Related Quality of Life Model to the dental hygiene curriculum in Japan
Notice bibliographique
Résumé
This paper reports the incorporation of the Dental Hygiene Human Needs Conceptual Model (DHHN) and the Oral Health-Related Quality of Life Model (OHRQL) into a dental hygiene curriculum in Japan. A simulated patient practice was offered to 67 dental hygiene students. In the practice activity, all students were introduced to the use of an OHRQL assessment tool. A DHHN assessment tool was utilized additionally only by the experimental student group. The statistical analysis of the post-practice survey showed that the OHRQL instrument was more helpful in assessment and problem identification than the DHHN instrument. By contrast, text-based analysis of dental hygiene diagnostic statements showed that the experimental group identified more domains of patients' human needs deficits than the control group. This suggested the possibility that the DHHN model helped them to see patients from broader perspectives. However, it was difficult for students to design care plans attending to the domains of the models. Also, in considerations to the cultural issues, the validity and equivalence of the Japanese versions of both models should be further investigated. Within the limitation of the present study, the results suggested that incorporation of the combination of the DHHN and OHRQL models can be useful in a dental hygiene curriculum, as each tool helps students expand the perspective from which they view client. Further improvements in learning strategies should facilitate the effective utilization of these models.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».