Accuracy and precision of using partial-mouth recordings to study the prevalence, extent and risk associations of untreated periodontitis
Notice bibliographique
Résumé
To study the accuracy and precision of estimating the prevalence, extent and associated risks of untreated periodontitis using partial-mouth recording protocols (PRPs) Methods: A purposive sample of 431 individuals who had never been treated for periodontal disease was recruited from screening clinics at the King Saud bin Abdul-Aziz University for Health Sciences. Data were collected using questionnaires and clinical examinations. The prevalence, extent and risk associations of periodontitis were evaluated. Three PRPs were compared to full-mouth recordings (FRPs) in terms of the sensitivity, specificity, predictive values, and absolute bias. Results: The prevalence of periodontitis was estimated with the highest accuracy and precision by examinations of the full mouth at the mesiobuccal and distolingual sites (FM)MB-DL, followed by random half-mouth (RHM) recordings. The extent of periodontitis was estimated with high precision using all the PRPs, and the absolute bias ranged from −0.6 to −2.3. The absolute bias indicated by OR for risk associations was small for the three PRPs and ranged from −0.8 to 0.8. Conclusion: (FM)MB-DL and RHM were the PRPs with moderate to high levels of accuracy and precision for estimating the prevalence and risk associations of periodontitis. The extent of periodontitis was estimated with high precision using all three PRPs. The results of this study showed that the magnitude and direction of bias were associated with the severity of periodontitis, the selected PRPs and the magnitude of the risk associations.
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) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».