Effect of instruction on dental students’ ability to light-cure a simulated restoration.
Notice bibliographique
Résumé
OBJECTIVE: To measure the light energy that dental students delivered to a simulated Class I restoration before training, immediately after training and 4 months after training. METHODS: Thirty-eight (38) dental students used a single light-emitting diode curing light (SmartLite iQ2, Dentsply) to cure, for 10 seconds, a simulated Class I restoration positioned in the Managing Accurate Resin Curing - Patient Simulator (BlueLight analytics inc.). The students then attended an instructional lecture and received individualized instruction on optimizing their light-curing technique. The students were retested immediately after instruction and again 4 months later (without further instruction). The irradiance and energy delivered during light-curing were calculated for each student at all 3 time points. Mean values were calculated and compared. RESULTS: Before instruction, the students delivered between 0.1 and 7.2 J/cm2 of energy (mean ± standard deviation [SD] 4.1 ± 1.7 J/cm2). After instruction, the same students delivered between 5.8 and 7.5 J/cm2 of energy (mean ± SD 6.7 ± 0.4 J/cm2). Analysis of variance and Fisher's Protected Least Significant Difference tests showed that instruction with the patient simulator led to a significant improvement in the amount of energy delivered and that the students retained this information. When retested 4 months later, the students delivered between 4.2 and 7.9 J/cm2 of energy (mean ± SD 6.1 ±1.1 J/cm2). Although this was less energy than immediately after instruction, the decline was not significant (p = 0.44). CONCLUSIONS: Provision of immediate feedback on light-curing technique and instruction on how to avoid mistakes led to a significant and lasting improvement in the amount of energy delivered by the students.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».