Caries reporting in studies that used the International Caries Detection and Assessment System: A scoping review
Notice bibliographique
Résumé
OBJECTIVE: To explore how caries was reported in studies that employed the International Caries Detection and Assessment System (ICDAS). METHODS: A systematic database search up to August 2017 was carried out using PubMed, Ovid MEDLINE, Cochrane library and ISI Web of Science electronic databases. Only studies that used the ICDAS for dental caries examinations were included. Studies were excluded if the examination was done only for the validation or the calibration of the ICDAS and/or if the examination was not done for the whole dentition. Measures used to report caries were considered. RESULTS: A total of 126 papers met the inclusion criteria. Forty-four different synthesis measures were used to report caries. Most of the studies used a combination of multiple measures to report patient's caries level. These reporting measures cluster into four main groups: the number of individual ICDAS scores (ie, total counts of every score); the number of decayed surfaces/teeth (ie, total counts of combined caries scores for surfaces or teeth); measures of caries experience (ie, total counts of combined caries scores, filled and/or missing surfaces or teeth); and measures of central tendency and dispersion. The number of decayed surfaces and individual ICDAS scores were the most commonly used measures. Three studies used mean ICDAS score (ie, total ICDAS scores divided by the number of teeth), two used mean ICDAS score of carious teeth (ie, total ICDAS scores divided by the number of carious teeth) and two used the maximum ICDAS score (ie, highest ICDAS score recorded). The total ICDAS score was used only once. Many studies synthesized from the ICDAS the number of decayed, missing and filled teeth/surfaces (dmft/DMFT, dmfs/DMFS) as a measure of caries experience. CONCLUSIONS: There are variations among studies in the utilization of the system to summarize caries. Most studies presented caries data using the categorical characteristics of the ICDAS.
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 | 0,043 | 0,179 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,011 |
| Bibliométrie | 0,047 | 0,034 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».