An Assessment of Oral Health Training Among Geriatric Fellowship Programs: A National Survey
Notice bibliographique
Résumé
Oral health (OH) has profound effects on the overall health of elderly people. While oral disease is prevalent in the geriatric population and access to care is a major issue, it is unclear the extent of OH training among US geriatric fellowship programs. A 19-item electronic survey was sent to all 148 accredited geriatric fellowship training programs via the Association of Directors of Geriatric Medicine. Directors were asked about hours of trainings, barriers, and evaluation of trainees among other topics. Univariate and bivariate analyses were performed. Seventy-five directors completed the survey (51% response rate). Sixty-three percent (46/73) report their fellows receive 1 to 2 hours of OH instruction (ie, lectures, workshops) during their training. Almost a quarter (23%; 17/73) reported 0 hours of OH content. Only 17% (13/75) have clinical experiences in a dental setting. Barriers to more OH education include competing priorities or lack of time (57%; 43/75), lack of faculty expertise (55%; 41/75), and no clear geriatric national educational competencies (44%; 33/75). Programs with an OH champion or dental school/residency affiliation had more hours of OH instruction. Geriatric fellowships appear to need more OH training, which could be achieved by creating OH champions and connecting fellowships with dental schools/residencies. Barriers could be overcome by exposing fellowships to existing resources and creating national competencies. J Am Geriatr Soc 67:1079-1084, 2019.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».