Diagnosing Developmental Defects of Enamel: Pilot Study of Online Training and Accuracy.
Notice bibliographique
Résumé
PURPOSE: The purpose of this study was to assess dentists' ability to correctly identify and classify development defects of enamel (DDE). METHODS: The modified DDE (MDDE) index was used to classify enamel defects into two types: (1) enamel hypoplasia-pitted, grooved, or missing enamel; or (2) enamel opacity-translucency of enamel not caused by dental caries or fluorosis (can be either demarcated or diffuse). A panel of six experts selected and scored 36 images using the MDDE, and the consensus score was used as the gold standard score in the evaluation of survey respondents. A short training table was developed to match training images to descriptors for the MDDE. A survey, including the training table, was then distributed electronically to 2,036 U.S. dentists and expanded function dental assistants from the Indian Health Service and 6,174 members of American Academy of Pediatric Dentistry. The percent of correct responses was evaluated for each image. RESULTS: Survey respondents (348 total) showed great variability in correct responses for each image, ranging from 41 to 97 percent, for each category of the MDDE. CONCLUSIONS: Enhanced training and calibration on the ability of dental providers is needed to identify the different types of development defects of enamel.
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 | 0,013 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».