Identifying training needs of healthcare providers to implement caries risk assessment
Notice bibliographique
Résumé
Background: Early childhood caries remains a pressing concern among Indigenous children in Canada, driven by systemic inequities, limited access to care, and fragmented service delivery. Integrating caries risk assessment (CRA) into primary care presents an opportunity to improve early detection and prevention. This study explored the training needs and preferred delivery methods of non-dental primary care providers (NDPCPs) to support CRA implementation in Indigenous pediatric settings. Methods: This qualitative exploratory study involved 50 NDPCPs serving First Nations and Métis children under six years of age across 10 communities in Manitoba. Data were collected between April 2023 and February 2025 through eight focus groups and 12 key informant interviews, followed by brief individual interviews to assess preferred training modalities. Transcripts were analyzed using thematic analysis to identify key training needs and preferences. Results: Participants included physicians, nurse practitioners, public health nurses, physician assistants, dietitians, and child development workers. Four core training areas were identified: dental caries screening, CRA tool usage, fluoride varnish application, and documentation/referral processes. An additional cross-cutting theme emphasized the importance of culturally safe and trauma-informed training. Despite recognizing the CRA tool's value and ease of use, participants reported limited formal training in preventive oral health and stressed the need for hands-on, culturally appropriate instruction. Preferred training modalities varied by geography: urban providers favored blended in-person and online approaches, while rural providers preferred online formats due to travel constraints. Overall, in-person and interactive training was most preferred. Conclusion: NDPCPs require structured, context-specific training to effectively integrate CRA into routine care. A hybrid training model combining online modules with locally delivered, hands-on learning may best address geographic and resource-based disparities. Training content should be simple, skill-focused, and culturally responsive to support NDPCPs in delivering equitable oral healthcare to Indigenous children.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».