Researching periodontitis: challenges and opportunities
Notice bibliographique
Résumé
AIM AND METHODS: The evidence-based approach, voted in January 2007 as one of the 15 most important medical advances in the last 166 years, has increasingly shaped medical practice and education. In this paper, we apply the evidence-based approach to evaluate the aetiology of periodontitis; for comparison, we provide a brief description of the evidence-based method applied to the study of cardiovascular disease aetiology. We then discuss the challenges and opportunities to enhance the evidence base for periodontitis aetiology. RESULTS AND CONCLUSION: While evidence for medical treatments has mostly come from clinical trials, evidence for primary prevention in medicine has largely emerged from cohort studies evaluating disease risk factors. The high cost of conducting large cohort studies makes it challenging to fund these investigations, particularly for primary dental outcomes such as periodontitis. Studies of periodontitis outcomes integrated into larger ongoing cohorts provide one way to overcome this problem. Other potential barriers to the conduct of these studies include outcome definition, prevention of bias, data analysis, and the focus on teeth at risk (rather than people at risk) of the outcome. We analyse these questions and provide possible solutions. As many of these issues are generic to dentistry, possible solutions can improve the quality of future studies and the evidence base for primary prevention in dentistry.
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 | 0,059 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,002 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,010 |
| Communication savante | 0,008 | 0,013 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,010 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».