Molar incisor hypomineralisation: Teaching and assessment across the undergraduate dental curricula in the UK
Notice bibliographique
Résumé
BACKGROUND: No consensus exists on how molar incisor hypomineralisation (MIH) should be covered by the undergraduate dental curricula. AIM: To assess the current teaching and assessment of MIH in the UK. DESIGN: A piloted questionnaire regarding the teaching and assessment of MIH was disseminated to paediatric, restorative and orthodontic teaching leads in each UK dental school (n = 16). Data were analysed using descriptive statistics, chi-squared and Kruskal-Wallis tests. RESULTS: Response rates from paediatric, restorative and orthodontic teams were 75% (n = 12), 44% (n = 7) and 54% (n = 8), respectively. Prevention of caries, preformed metal crowns, anterior resin composites and vital bleaching were taught significantly more by paediatric teams (p = .006). Quality of life and resin infiltration were absent from restorative teaching. Orthodontic teaching focussed on the timing of first permanent molar extractions. Paediatric teams were mainly responsible for assessment. Risk factors, differential diagnoses for MIH and defining clinical features were more likely to be assessed by paediatric teams than by others (p = .006). All specialities reported that students were prepared to manage MIH. CONCLUSION: Molar incisor hypomineralisation is primarily taught and assessed by paediatric teams. No evidence of multidisciplinary or transitional teaching/assessment existed between specialities. Developing robust guidance regarding MIH learning in the UK undergraduate curricula may help improve consistency.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».