Competencies for dental public health specialists: A thematic analysis
Notice bibliographique
Résumé
INTRODUCTION: Competency frameworks have been used to accurately guide the training and assessment of professionals. Dental Public Health professionals require a variety of skills beyond clinical aspects to meet ongoing social, economic, epidemiologic, technological, etc. developments. The purpose of this study was to develop a primary competency framework for dental public health (DPH) professionals by reviewing existing documents that can be modified by authorities based on their needs. MATERIALS AND METHODS: To identify DPH competencies, first a literature review of current postgraduate DPH competencies was conducted in PubMed, Scopus, Google Scholar, and Google from May to June 2021. All English language documents addressing DPH competencies were included and transferred to MAXQDA software. Next, DPH competency domains were extracted and defined, using Clarke and Braun's six-step qualitative thematic analysis method. RESULTS: In total, 206 English documents were retrieved. After exclusion of 201 documents due to being duplicate or not related in screening stages, five full-text English documents describing competencies of DPH specialists from the United Kingdom, the United States, Australia and New Zealand, Canada, and Ireland were reviewed. Thematic analysis led to the provision of a framework consisting of all mentioned competencies in the reviewed documents including nine domains in education, research, management, policy, communication, leadership, professionalism, oral health status, and oral health services. CONCLUSION: The proposed primary framework covers all competency domains and, as a comprehensive tool, can be used as a guide by local, national, and international authorities to develop their own frameworks for training and evaluating the DPH workforce.
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 | 0,012 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».