Stress Management for Students in Dental Education: A Scoping Review
Notice bibliographique
Résumé
Stress in the university setting is well-reported. This scoping review aims to synthesize and evaluate the current literature on stress in dental education to understand stress and stress-management interventions that have been trialed with dental students. Using the Arksey and O'Malley framework to organize this scoping review, a systematic search strategy was chosen with keywords to identify stress management within the dental student population. Several databases were searched: PubMed, Scopus, Dentistry and Oral Sciences Source, Cochrane, and Eric. The search terms included "students", "dentistry", "education", "management", and "stress". The review included only peer-reviewed articles published within the last 10 years (2014-2024). Included articles (n = 28) were organized by theme: (1) Problem-focused (prevalence and incidence of stress) (n = 4); (2) Factors influencing stress (socioeconomic, sociodemographic, sociopolitical, lifestyle factors, etc.) (n = 18); (3) Intervention-based (educational, support, movement, cognitive) (n = 6). The articles that were intervention-based were evaluated using the RE-AIM Framework, which covers five dimensions: Reach, effectiveness, adoption, implementation, and maintenance. The literature review revealed a significant incidence of stress among dental students, yet there is a notable deficiency in robust research detailing effective interventions and their sustained impact on this demographic. Interventions fell under four main categories: Educational-based interventions (n = 1), support-based interventions (n = 1), movement-based interventions (n = 3), and cognitive-based interventions (n = 1). Overall, two intervention-based articles were randomized control trials, and two of the studies found significant changes in perceived stress levels or stress biomarkers. The findings underscore a need for further research in developing and testing effective stress-management interventions in dental students.
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 | 0,018 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,018 | 0,015 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».