Applying an extended theoretical approach to identifying Canadian dental students’ acceptance of teledentistry: A cross-sectional study
Notice bibliographique
Résumé
Objective: Teledentistry is a promising innovation for improving service quality and patient outcomes. While studies have shown the relevance of theoretical frameworks in understanding behaviour change predictors for telehealth implementation efforts, their application in dentistry is limited. This study aimed to test different theoretical approaches to identify the factors affecting dental students' behavioural intention to use teledentistry. Methods: This cross-sectional study involved students in their final two years of undergraduate dental programmes, from three Canadian provinces (Quebec, Nova Scotia, and Saskatchewan) using an electronic self-reported questionnaire. Following descriptive analyses, we tested three theoretical models (the technology acceptance model, psychosocial model, and integrated model) using path analysis and multiple linear regression analysis. We analyzed the modifying effect of sociodemographic characteristics and prior use of teledentistry. Results: < 0.001) were the most significant predictors of behavioural intention to use. Prior use of teledentistry modified the association between control beliefs and behavioural intention to use teledentistry. Conclusions: The original technology acceptance model was a good predictive model of behavioural intention to use teledentistry with perceived use as the strongest predictor. However, the integrated model performed the best in highlighting the relevance of training and education to foster teledentistry implementation in dental schools. The generalizability of the findings is constrained by the modest sample size, warranting larger studies for validation.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».