Awareness-knowledge level and practice of two dentistry specialties dentists regarding juxta-apical radiolucency
Notice bibliographique
Résumé
Introduction: Mandibular third molar extraction is one of the most common procedures in oral and maxillo facial surgery.The procedure may result in several complications, such as injury of inferior alveolar nerve (IAN) and postoperative paresthesia/dysesthesia. Objectives: To evaluate the awarenessknowledge level and practice of dentists who received specialization train ing in oral and maxillofacial radiology and oral and maxillofacial surgery regarding juxtaapical radiolucency (JAR).Material and methods: Dentist participants who received specialization training and volunteered to participate were divided into two groups according to their specialization: group 1 -oral and maxillofacial radiology; group 2oral and maxillofacial surgery.A special questionnaire was prepared for this study and participants provided answers facetoface.The form consisted of two parts: part 1 -personal information, and part 2 -awarenessknowledge level and practice regarding JAR.In part 2, dentists were asked questions on different panoramic radiography images containing JAR in a slide show.Pearson's c 2 test was applied for statistical analysis.Results: A total of 66 volunteers divided into two groups [group 1: n = 32 (43%); group 2: n = 34 (57%)] partici pated in the current study.The preliminary diagnosis of JAR was mostly associated with anatomical formation (group 1: 63.1%; group 2: 64.1%) and odontogenic/nonodontogenic lesions (group 1: 41.8%; group 2: 48.2%).Usually, participants thought that such a radiolucency would affect extraction method (group 1: 68.8%; group 2: 63.5%), posed a risk for IAN (group 1: 67.5%; group 2: 69.4%), and negatively affect healing process (group 1: 66.3%; group 2: 61.2%).A small ratio of participants was aware of JAR (group 1: 18.8%; group 2: 2.9%). Conclusions:The awarenessknowledge level of dentists who received training in oral and maxillofacial ra diology and oral and maxillofacial surgery regarding JAR was low.The practice of participants of both specialties towards JAR were variable.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».