Tooth Shade Preferences among the General Public
Notice bibliographique
Résumé
PURPOSE: To identify laypersons' most preferred tooth shade as a function of observer and patient factors, namely patients' skin shade and observers' socio-demographics. MATERIALS AND METHODS: Two online surveys using computer-designed perioral images with different shades of the skin and teeth were distributed to participants in Montreal (Canada) and San Francisco (USA). The first survey (n = 120) was designed to assess public preferences of tooth shade value, hue and chroma as a function of the skin color of the perioral image (model), and the demographic characteristics of the observer. The first survey included 6 sets of 9 identical perioral images. A different skin shade (from very dark to very light) was used for each set of images, and each set of images presented teeth with different tooth shades which included three different levels of value (2M1, 3M1, 4M1), hue (3L1.5, 3M1, 3R1.5), and chroma (3M1, 3M2, 3M3) of the Vita 3D Master shade guide. Participants were asked to choose their preferred image for each category (value, hue, chroma) within each set of skin shades. A second survey was performed to pinpoint the tooth shade that is preferred the most by the general public. In this survey, images with four tooth shades (1M1, 2M1, 3M1, 4M1) and 6 skin shades were distributed (n = 70). Ordinal logistic regression was used to identify significant predictors of preferred tooth shades. RESULTS: Most of the participants preferred teeth with the highest value (54%), a neutral hue (59%) and the lowest chroma (89%). About 75% of the participants preferred 1M1 the lightest tooth shade over other shades regardless of their demographics or skin color of the model. Among the observer-related variable, age was the most significant predictor of people preferred tooth shade (p = 0.019). CONCLUSION: This study showed that there are common preferences in terms of tooth shade value, hue and chroma among participants regardless of demographic variables and facial skin shades. This data could guide dentists for tooth shade selection in the clinical practice.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,004 | 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 ».