MétaCan
Menu
Retour à la cohorte
Enregistrement W4322748025 · doi:10.5114/jos.2023.125012

Role of nanotechnology in dentistry:a systematic review

2023· review· en· W4322748025 sur OpenAlexaboutno aff
Akanksha Raj, Neetha J. Shetty

Notice bibliographique

RevueJournal of Stomatology · 2023
Typereview
Langueen
DomaineDentistry
ThématiqueDental Research and COVID-19
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineDentistry

Résumé

récupéré en direct d'OpenAlex

Nanotechnology involves physical, chemical, and biological properties of nanoscale structures and their components.Nanotechnology is based on the principle of manipulating atoms and molecules one by one, to create usable structures.Many advances in health sciences as well as materials' science, biotechnology, electronic and computer technology, aviation, and space exploration would be possible because of this technology.The objective of the study was to conduct a systematic review of the literature to evaluate the applications of nano-technology in dentistry.Included studies were systematically analyzed based on PRISMA (preferred reporting items for systema tic reviews and meta-analyses), and studies were identified based on PICO (glossary of evidence-based terms, 2007): random clinical trials (RCT), which have been published in last 6 years and in English language only.Electronic database search of PubMed, Medline, Cochrane, and clinicaltrials.govwas performed using MeSH terms: nano technology, nanotechnology in dentistry, and nanotechnology in dental practice.Articles published between 2014-2020 were reviewed, and were included based on inclusion and exclusion criteria.The authors assessed individual study bias by using Cochrane risk of bias tool to find bias risk assessment.Based on this systematic review of literature, it can be concluded that advancement in nanotechnology has significantly influenced dental disease prevention and therapy.

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)0,111
score de la tête « metaresearch » (Gemma)0,320
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,587

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1110,320
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0080,009
Bibliométrie0,0210,017
Études des sciences et des technologies0,0020,002
Communication savante0,0060,009
Science ouverte0,0030,004
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,422
Écart entre enseignants0,362 · 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'étudeRevue systématique
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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of StomatologyMême sujetDental Research and COVID-19Travaux en français237 207