Insights Into Antimicrobial Resistance From Dental Students in the Asia–Pacific Region
Notice bibliographique
Résumé
BACKGROUND: Dentists, as prominent prescribers, are key stakeholders in addressing the antimicrobial resistance (AMR) crisis. Dental students' perceptions about the topic have been underexplored in the Asia-Pacific region, a key location for the development and spread of AMR. Thus, the aim of this study was to evaluate the awareness and confidence to prescribe antimicrobials amongst dental students studying in the region. METHODS: Students from 15 dental schools in 4 countries were invited to participate in a cross-sectional online survey during 2022-2023. A previously validated and standardised 14-item instrument was utilised. RESULTS: In all, 1413 responses were collected from Australia (n = 165), Sri Lanka (n = 112), Japan (n = 173), and Vietnam (n = 963). Of those, 201 were from final-year students (14.2%). On a scale from 1 to 10, awareness on AMR was placed at a mean (SEM) priority of 8.09 (0.05). With regards to target areas to address for mitigation of the AMR crisis, participants placed general public awareness at the top (mean [SEM] 8.53 [0.05]). Final-year students presented a mean (SEM) level of confidence to prescribe antibiotics of 6.01 (0.14) on a scale from 1 to 10, whilst 59.7% and 56.8% indicated feeling pressured to prescribe by patients or when lacking time, respectively. Final-year students participating in research activities assigned a higher priority to AMR compared to their peers not involved in research (mean [SEM] 8.6 [0.19] vs 7.81 [0.16]; P = .01). CONCLUSIONS: This study highlights a need for increased awareness and confidence to prescribe amongst dental students in the Asia-Pacific region, an understudied population thus far. To mitigate this issue, the implementation (followed by assessment) of local educational and antibiotic stewardship initiatives is warranted.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».