MétaCan
Menu
Retour à la cohorte
Enregistrement W2913615027 · doi:10.21149/9273

A peer-led dental education program for modifying oral self-care in Mexican children

2019· article· en· W2913615027 sur OpenAlexaff
Jolanta Aleksejūnienė, Benjamín López-Núñez, Javier de la Fuente‐Hernández

Notice bibliographique

RevueSalud Pública de México · 2019
Typearticle
Langueen
DomaineDentistry
ThématiqueDental Health and Care Utilization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDental careMedical educationMedicinePsychologyNursingFamily medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To compare peer-led dental education (PLDE) versus conventional dental instruction (CDI) in modifying children's oral self-care. MATERIALS AND METHODS: The intervention group (two schools) received PLDE and the control group (two schools) received CDI. The quality of oral self-care practice (OSC-P) and oral self-care skills (OSC-S) were indicated by dental plaque levels (%) and compared before and after dental education. RESULTS: There were no baseline OSC-P differences between the control (55.8 ± 12.8%) and intervention (55.5 ± 14.6%) groups or OSC-S differences between the intervention (38.5 ± 13.2%) and control (38.1 ± 12.5%) groups. At the three-month follow-up we observed OSC-P deterioration in the control group (63.2 ± 15.0%) and OSC-P improvement in the intervention group (52.2 ± 15.6%). The OSC-P/OSC-S regression models found these predictors: baseline oral self-care, group affiliation, and mother's education (p<0.05). CONCLUSIONS: The hypothesis was confirmed and significant predictors were baseline oral self-care levels, group affiliation, and mother's education.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil0,800

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,328
Écart entre enseignants0,318 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSalud Pública de MéxicoMême sujetDental Health and Care UtilizationTravaux en français237 207