Implementation of Motivational Interviewing Training in Dental Education and Research—A Scoping Review
Notice bibliographique
Résumé
PURPOSE/OBJECTIVES: Motivational interviewing (MI) is an evidence-based counseling approach that enhances behavior change by strengthening an individual's motivation. While MI research in dental education is growing, the scope of MI training programs has not been systematically examined. This review assesses the implementation of MI training in dentistry. METHODOLOGY: A scoping review followed the PRISMA-ScR checklist and JBI manual for evidence synthesis. A systematic search (May 2023) using MeSH terms, keywords, and operators was conducted in Medline (Ovid), Embase (Ovid), CINAHL, PsycINFO (Ovid), Web of Science, and ProQuest. Articles were screened via Covidence, and data were extracted based on variables informed by the DoCTRINE framework. RESULTS: Of 17 studies, 70.6% were US-based, and 64.7% were published after 2010. MI training targeted dental hygiene and dentistry students (47% each) through lectures, role-play, e-learning, and workshops. Evaluations used pre-post questionnaires, recorded interactions, and tools like MITI, MISC, and OSCE. Training duration varied from single sessions (11.7%) to longitudinal programs (82.3%), enhancing students' confidence, communication, and public health readiness. However, skill retention required ongoing reinforcement. Barriers included time constraints, patient resistance, and limited faculty support. High-quality reporting (DoCTRINE score) was observed in 47% of studies. CONCLUSION: MI training enhances dental students' communication and patient-centered care. Long-term skill retention requires continued practice, and hybrid instructional strategies can improve scalability. Faculty competency and structured longitudinal training are crucial for effective MI implementation.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».