MétaCan
Menu
Retour à la cohorte
Enregistrement W4385893393 · doi:10.4274/gulhane.galenos.2023.81994

Knowledge and practice of dental healthcare providers about disinfection of light curing units

2023· article· en· W4385893393 sur OpenAlexaff
Vinay N. Mavani, Shambhavi Gogia, Manuel S. Thomas, Ethel Suman, Srikant Natarajan

Notice bibliographique

RevueGulhane Medical Journal · 2023
Typearticle
Langueen
DomaineDentistry
ThématiqueDental Research and COVID-19
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDental practiceCuring (chemistry)Health careBusinessDentistryNursingMedicineMaterials sciencePolitical sciencePolymer chemistry

Résumé

récupéré en direct d'OpenAlex

Aims: A light curing unit (LCU) is a heat-intolerant instrument.This study aimed to assess the knowledge and practice of dental healthcare providers about the disinfection of LCUs.Methods: This cross-sectional study included 350 consented dental clinicians and clinical dental students from Dakshina Kannada district of Karnataka, India, for the questionnaire part of the study.Bacterial load and debris on the LCU tips were studied in 27 LCUs from different clinics and we studied the relationship between debris and bacterial load.Results: The survey included 334 healthcare providers.Only 51.8% agreed that LCUs should be disinfected after every patient.A significant proportion of the participants (62.3%) had no information about the type of disinfectant used in the clinic.Microorganism cultures were positive in approximately 80% of the 27 LCUs evaluated.Most of the LCU tips (67%) had visible debris.The numbers of colony-forming units (CFU)/cm 2 on blood agar and mitis salivarius agar were 57.94±92.28 and 28.56±40.63,respectively.Culture positivity was significantly lower on LCU with visibly clean tips (p<0.001)(0.33±7.83CFUs/cm 2 on blood agar and 0.78±1.39CFUs/ cm 2 on mitis salivarius agar).Conclusions: This study showed insufficient knowledge and practice in reprocessing heatsensitive semi-critical items among dental healthcare workers.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,408
Écart entre enseignants0,363 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGulhane Medical JournalMême sujetDental Research and COVID-19Travaux en français237 207