A cross-sectional study on dentists’ learning preferences for learning about light-curing units and resin-based composites
Notice bibliographique
Résumé
• Most participants lacked knowledge about their LCU type. • Wavelength is rarely considered when choosing the LCU. • Hands-on workshops are preferred for education. • YouTube was the preferred social media platform for learning. • Graduate/postgraduates had better knowledge about LCUs than those with a only a bachelor’s degree. Despite researchers emphasizing the importance of understanding the type, how they should be used, and their effect on restoration longevity, many dentists lack critical knowledge about their light curing units (LCUs). To identify the parameters dentists use when choosing an LCU or resin-based composite (RBC) and to determine the most effective educational method for dentists to learn about LCUs. A cross-sectional study used a validated electronic questionnaire targeting dentists, interns, and students in private and government sectors. Demographic data, current LCU practices, parameters for selecting LCUs and RBCs, and the preferred educational methods for learning about LCUs were collected. The three main parameters used to determine participants’ knowledge of LCU selection were brand reputation, irradiance, and LCU wavelength compatibility with the RBC photoinitiator spectrum. Results were analyzed using chi-square test, Fisher’s exact test, and independent sample t -test. A total of 420 participants completed the survey. Only 11 % considered the wavelength as the 1st parameter when selecting an LCU. Participants with graduate degrees were significantly more knowledgeable about the LCU selection parameters than those with bachelor’s degrees (p = 0.009). Dentists who frequently used LCUs knew significantly more about the RBC selection parameters (p = 0.037). Hands-on workshops, in-person lectures, and online lectures were preferred over social media. YouTube is one of the most popular social media platforms. All participants preferred YouTube as the top social media educational resource, with specialists and consultants showing a significantly stronger preference than general dentists, interns, and students (p = 0.036). Few participants thought that the need for the wavelengths emitted by the LCU to be compatible with the absorption spectrum of the photoinitiator used in the RBC was a key parameter when selecting an LCU or RBC. Respondents favored hands-on workshops and in-person lectures over social media to learn about LCUs. Educators should prioritize these methods to enhance understanding the choice and use of LCUs and RBCs within the dental community.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».