Tooth hypersensitivity treatment trends among dental professionals.
Notice bibliographique
Résumé
OBJECTIVE: Tooth hypersensitivity is a common complaint of patients who present to the dental office. The aim of this study was to survey dental professionals in an effort to understand the current treatment trends for tooth hypersensitivity. METHOD AND MATERIALS: A questionnaire that addressed possible treatments for tooth hypersensitivity was developed and validated. The survey included a case presentation in which the responders were requested to list a first and second line of treatment. The questionnaire was distributed to dental professionals and analyzed statistically. RESULTS: A total of 106 questionnaires were collected. The most common first line treatments for tooth hypersensitivity included sensitivity toothpastes (38.7%) and desensitizers (40.6%). Referral for patients with tooth hypersensitivity was indicated by 12.0% of the responders. The most preferred products included sensitivity toothpaste (34.9%) and fluoride varnish (19.8%). In regards to the case presented in the survey, the most common first treatment recommendations for patients were to use a sensitivity toothpaste (37.7%), stop drinking cold water (13.2%), and apply a desensitizing agent (23.6%). Of the 106 responders, 7.5% would opt to graft the recession area and 29.2% would restore the area as the second line of treatment. CONCLUSION: This study suggests that more invasive treatment options such as grafting and restoring may be used too early in the treatment plan for tooth hypersensitivity. Providing continuing education programs that address simple and less aggressive or invasive modes of treatment will benefit patients and may also reduce the financial burden of the treatment.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».