Resin Composite Versus Amalgam Restorations Placed in United States Dental Schools
Notice bibliographique
Résumé
OBJECTIVES: To investigate the latest teaching policies for posterior resin composite placement versus amalgam and to determine the actual numbers of posterior resin composites versus amalgam restorations placed in American dental schools from 2008 to 2018. METHODS: Emails were sent to the deans of all 66 dental schools in the United States to collect data in the forms of: 1) Questionnaire on current teaching policies of posterior composite and amalgam restorations; and 2) Data entry form to collect the actual numbers of posterior composite and amalgam restorations placed in their clinics. Descriptive statistics were used to summarize ratios of posterior restorations. Inferential analysis (chi-square test and z-test) was employed to compare posterior restoration proportions over time and within each year. Level of significance was set at 0.05. RESULTS: For the teaching questionnaire, the response rate was 52% (n=34). Seventy-six per cent of the responding schools reported that they assign 50% or more of their preclinical restorative teaching time towards posterior resin composite placement, while 50% of the responding schools devoted 25% or less towards amalgam teaching. Data entry response rate was 26% (n=17). In 2008, amalgam and resin composite restorations were placed almost equally. However, resin composite restorations were placed significantly more frequently from 2009 onwards in all responding schools. The results revealed a significant ongoing increasing trend in placing posterior resin composites in all responding schools over time (p<0.05). CONCLUSIONS: Data analysis revealed a clear trend towards an increase in posterior resin composite restoration placement and a decrease in the number of amalgam restorations. However, the time assigned for posterior resin composite teaching is not aligned with quantity of restorations placed. Review and adjustment of the time allocated for teaching and training of each material are suggested.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».