MétaCan
Menu
Retour à la cohorte
Enregistrement W4413226113 · doi:10.2196/71743

Enhancing Preclinical Training for Removable Partial Dentures Through Participatory 3D Simulation: Development and Usability Study

2025· article· en· W4413226113 sur OpenAlexvenueno aff
Yikchi Siu, Hefei Bai, Jung‐min Yoon, Hongqiang Ye, Yunsong Liu, Yongsheng Zhou

Notice bibliographique

RevueJMIR Medical Education · 2025
Typearticle
Langueen
DomaineDentistry
ThématiqueDental Research and COVID-19
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUsabilityPreprintComputer scienceDenturesHuman–computer interactionDentistryMedicineWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Background: The integration of digital technology in dental education has been recognized for its potential to address the challenges in training removable partial denture (RPD) design. RPD framework design is crucial to long-term success in the treatment of dentition defects, but traditional training methods often fall short of adequately preparing students for real-world applications. Objective: This study aimed to evaluate the efficacy of a 3D simulation-based preclinical training software for RPDs in enhancing learning outcomes among first-year stomatology master's students, while also assessing user perceptions among students and faculty. Methods: RTS (Yikchi Siu) is a preclinical training software that simulates the clinical process of treating patients with partial edentulism. In this study, 26 newly enrolled master's degree students in stomatology who volunteered to participate were randomly divided into a control group (n=13) and a training group (n=13). The training group used the RTS for 2 credit hours (90 min) of self-study, while the control group received theoretical lessons and case practice from an instructor. After 2 hours, both groups completed the theoretical knowledge and drawing tests for RPD simultaneously. Test results were evaluated and graded by 2 experts in prosthodontics. Both users and teachers filled out a questionnaire afterward about their training experience. Results: Participants in the training group obtained better final grades compared to controls (theoretical test: 88.8, SD 2.3; 85.7, SD 3.3, respectively; P=.01; drawing test: 89.8, SD 4.5; 85.1, SD 4.3, respectively; P=.01). The training group had a shorter completion time in the drawing test (12.6, SD 19 min; 17.7, SD 3 min, respectively; P<.001) but there were no significant differences in the completion times in the theoretical test (23.2, SD 2.2 min; 24.9, SD 2.8 min, respectively; P=.14). Students and faculty generally had a favorable opinion of the RTS. Conclusions: The effectiveness of the RTS for newly enrolled master's degree students in stomatology to understand and apply their knowledge of RPD framework design was validated; the system was well received by both students and faculty members, who reported that it improved the effectiveness and convenience of teaching.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,142
Tête enseignante GPT0,522
Écart entre enseignants0,381 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical EducationMême sujetDental Research and COVID-19Travaux en français237 207