Self-perceived orthodontic treatment need evaluated through 3 scales in a university population
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the self-perceived orthodontic treatment need in a university population evaluated through 3 scales that used different approaches. DESIGN: Cross-sectional survey. SETTING: University dental clinic, Lima, Peru, 2001. MATERIALS AND METHODS: Questionnaires that gathered perceptions on dentofacial aesthetic perception and orthodontic treatment need were applied to a randomly selected sample (329) of first year university students (729). Subjects undergoing orthodontic treatment at the time of examination were excluded. MAIN OUTCOME MEASURES: Aesthetic component (AC) of the Index of Orthodontic Treatment Need (IOTN), Oral Aesthetics Subjective Index Scale (OASIS) and a visual analogue scale (VAS) were used. STATISTICAL ANALYSIS: Descriptive statistics, Spearman correlation test, Kruskall-Wallis test and Mann-Whitney U-test were used. RESULTS: For the AC, 87.5% were in the "without treatment need" category, 10.6% in the "borderline need" category and 1.8% in the "treatment need" category. The mean AC score was 3.02 (+/-1.49). The mean OASIS score was 11.81 (+/-4.84), and the VAS score was 40.16 (+/-18.16). Correlations between the 3 self-assessment scales were moderate (AC-OASIS 0.416, AC-VAS 0.541 and OASIS-VAS 0.457). Gender or previous orthodontic treatment had no influence (p<0.05) on the scales. CONCLUSIONS: Differences in the approaches used by each scale to evaluate the self-perception of the aesthetical arrangement of the front teeth may explain the moderate correlation values.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».