A mixed methods approach to obtaining health care provider feedback for the development of a Canadian pediatric dental caries risk assessment tool for children <6 years
Notice bibliographique
Résumé
Introduction: Early childhood caries (ECC) is a chronic but preventable disease affecting young children worldwide. Many young children face access to care barriers to early preventive dental visits for a variety of reasons, which can increase their risk for ECC. Non-dental primary health care providers are well positioned to assist in assessing a child's risk for ECC by performing caries risk assessment (CRA). The purpose of this project was to report on primary health care provider and stakeholder feedback in order to refine a drafted CRA tool for Canadian children <6 years of age intended for use by non-dental primary health care providers. Methods: In this mixed methods project, we conducted six focus groups with primarily non-dental primary health care providers followed by a short paper-based survey to quantify preferences and feedback. Data were thematically and descriptively analyzed. Results: Participants' feedback on the drafted CRA tool included the need for it to be relatively quick to complete, easy and practical to score, easy to implement into practitioners' clinic schedules, and to include anticipatory guidance information to share with parents and caregivers. All participants (100%) welcomed a CRA tool. Many (85.4%) liked a layout that could be added to tools they already utilize. Most (73.2%) wanted the tool to be in colour, and many (90.2%) wanted the tool to include pictures. Conclusion: Non-dental primary health care providers informed the final development and layout of the newly released Canadian CRA tool. Their feedback resulted in a user-friendly CRA tool with provider-patient dynamics and preferences.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».