DIFFERENCES AMONG THE PERCEPTIONS OF ORTHODONTISTS, PROSTHODONTISTS AND CONSERVATIVE DENTISTRY SPECIALISTS REGARDING BUCCAL CORRIDOR WIDTHS
Notice bibliographique
Résumé
ABSTRACT BACKGROUND & OBJECTIVE: To find out the optimal ranges of smile attractiveness on basis of different amounts of buccal corridor widths, as judged by Pakistani orthodontists, prosthodontists and conservative dentistry specialists (CDS). METHODOLOGY: Present cross-sectional study was conducted from June 2016 to June 2017. The anterior smiling image of a female model was edited to be converted to 10 images displaying different amounts of buccal corridor width. After informed consent from the subject, different buccal corridors widths images were created at following widths: 0%, 2%, 4%, 6%, 8%, 10%, 12%, 14%, 16%, and 18%. This was followed by measurement of smile attractiveness of these 10 images on a visual analogue scale by 30 evaluators in three groups. Group 1 consisted of 10 CDS, group 2 consisted of 10 prosthodontists and group 3 consisted of 10 orthodontists. The data was collected and scores of smile attractiveness were presented in form of mean and standard deviation for each group. The differences in the three groups regarding perception of smile attractiveness were found out using ANOVA test and Turkey’s post-hoc test was used for multiple comparisons. RESULTS: For group 1, the highest scoring was obtained by image showing 10% buccal corridor width. In group 2, the highest score was by image showing 14% buccal corridor width, whereas in group 3, the highest scoring was showing 12% buccal corridor width. The differences found were statistically insignificant. CONCLUSION: Dental specialty does not affect perception of smile attractiveness. Buccal corridor width greater than 14% should be avoided.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».