MétaCan
Menu
Retour à la cohorte
Enregistrement W4401552740 · doi:10.1111/scd.13052

Effectiveness of two visual‐pedagogical methods for toothbrushing skills in autistic children: A randomized clinical trial

2024· article· en· W4401552740 sur OpenAlexaff
Matine Gharavi, Katayoun Salem, Rojin Adabdokht, Mahmoud Ghasemi

Notice bibliographique

RevueSpecial Care in Dentistry · 2024
Typearticle
Langueen
DomaineDentistry
ThématiqueDental Health and Care Utilization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineRepeated measures designRandomized controlled trialAutismDentistryTooth brushingVideo modelingToothbrushPsychologyTeaching methodMathematics educationModelling

Résumé

récupéré en direct d'OpenAlex

Abstract Aim This study aimed to compare the effectiveness of two visual pedagogy methods, video modeling and educational posters, on improving tooth‐brushing autonomy in 10–12‐year‐old children with mild autism. Methods Sixty‐four autistic children were randomly assigned to either the video or poster groups using the Rand function in Excel. Toothbrushing skills were divided into five stages: preparation, buccal, occlusal, lingual surfaces, and the end. These five stages comprised a total of 20 steps, with each step scored from 1 (not done at all) to 5 (done independently). The final score was calculated by averaging the scores of the five stages. The FONES method of toothbrushing was used for training. Follow‐up assessments were conducted after 1 and 3 months. The data were analyzed using SPSS V26, including t ‐tests, Mann–Whitney U tests, and repeated‐measures ANOVA. Results After 3 months, there were significant improvements in autonomy scores for both groups, with the video group showing greater benefits (4.37 ± 0.43) compared to the poster group (4.11 ± 0.49) ( p = .03), with an effect size of η 2 = .07. Conclusion Both video and poster methods were effective in improving tooth‐brushing skills, but video modeling was associated with a higher total autonomy score.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,460
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,058
Tête enseignante GPT0,527
Écart entre enseignants0,469 · 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 tête enseignante, pas un consensus.

Devis d'étudeEssai randomisé
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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpecial Care in DentistryMême sujetDental Health and Care UtilizationTravaux en français237 207