What influences the clinical decision-making of dentists? A cross-sectional study
Notice bibliographique
Résumé
Clinical decision-making is a complex process influenced by clinical and non-clinical factors. The aim of this study was to investigate the association between provider, patient, and practice factors with clinical decision-making among dentists in Ontario, Canada's most populated province and its largest dental care market. This was a cross-sectional, self-administered survey of a random sample of general dentists in Ontario (n = 3,201). The 46-item survey collected demographic, professional, and practice information. The outcome (treatment intensity) was measured using a set of clinical scenarios, which categorized dentists as either relatively aggressive or conservative in their treatment decisions. Associations were assessed using bivariate analysis and logistic regressions. One thousand and seventy-five dentists responded (33.6% response rate). Age (p = 0.001), place of initial training (p<0.001), number of dependents (p = 0.001), number of hygienists employed (p = 0.001), and perceptions of practice loans (p = 0.020) were associated with treatment intensity. Dentists who were <40-years old (OR = 2.06, 95% CI:1.39-3.06, p<0.001), American-trained (OR = 2.48, 95% CI:1.51-4.06, p<0.001), and perceived their practice loans as large (OR = 1.57, 95% CI:1.02-2.42, p = 0.039), were relatively more aggressive in their treatment decisions. Various non-clinical factors appear to influence the clinical decision-making of dentists in Ontario.
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 | 0,001 | 0,006 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».