MétaCan
Menu
Retour à la cohorte
Enregistrement W3119847791 · doi:10.1111/adj.12818

What should every dental health professional know about electronic cigarettes?

2021· review· en· W3119847791 sur OpenAlexaboutno aff
Ken Briggs, Carol Bell, Omar Breik

Notice bibliographique

RevueAustralian Dental Journal · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElectronic cigaretteMedicineLegislationOral healthEnvironmental healthPublic healthFamily medicineSmoking cessationAlternative medicineNursingPolitical science

Résumé

récupéré en direct d'OpenAlex

Electronic cigarettes (E-cigarettes) have become increasingly popular around the world. Currently, dental professionals' knowledge and attitudes are varied with many clinicians unclear regarding the impact of E-cigarette products on the oral and general health of their patients. With developing social and health-related challenges, advice of dental and medical associations and other regulatory bodies on E-cigarette use is changing. Growing evidence demonstrating the risks of E-cigarette usage has prompted a review of legislation in the United Kingdom (UK), United States of America (USA), Australia and Canada to include the sale and availability of E-cigarettes, particularly those containing nicotine. Further consideration within the scientific and public health community is being given to assessing demographic usage patterns particularly uptake by non-smokers and adolescents, efficacy as a cessation tool, the impact of vapour on bystanders and direct injuries via explosions as well as emerging lung injuries. This article aims to provide a summary of the most up to date evidence relating to E-cigarette use, the latest position of dental associations and the oral health implications of E-cigarettes compared to conventional smoking. The article also aims to collate this information in order to provide dental clinicians with guidance on how to advise patients, specifically in answering common questions posed regarding E-cigarette use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,005
Science ouverte0,0010,001
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,094
Tête enseignante GPT0,435
Écart entre enseignants0,341 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations16
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Dental JournalMême sujetSmoking Behavior and CessationTravaux en français237 207