Periodontal precision: diagnostic skills and confidence of dentists in Asian countries in applying the 2017 EFP/AAP periodontal disease classification- a cross-sectional pilot study
Notice bibliographique
Résumé
BACKGROUND: The classification of periodontal disease published in 2017 by the European Federation of Periodontology (EFP) and American Academy of Periodontology (AAP), provides a framework for diagnosis and treatment. The aim of this study was to evaluate the diagnostic skills and self-perceived confidence of dentists and dental students based in Asian countries in the use of this classification. METHODS: A cross-sectional analytic study design was employed. An online questionnaire encompassing four periodontitis cases was used for data collection. A total of 500 participants were invited to provide a diagnosis and rate their confidence for each case. RESULTS: Responses were provided by 312 participants completed including 192 females and 120 males. Analysis of variance (ANOVA) showed a statistically significant difference in accuracy across cases by Professional Role (F (9,924) = 2.304, p = 0.005), and an overall difference on accuracy by Professional Role (F (1,308) = 2.304, p = 0.012). The diagnostic accuracy mean was highest for periodontics specialists (57.81 ± 49.78) followed by general dentists (50.00 ± 50.31), other dental specialists (45.00 ± 50.06); and dental students (25.00 ± 43.55). A statistically significant difference in confidence was noted across Age Groups, Gender, and Roles (F(1,291) = 6.356, p < 0.001; F(1,293) = 13.747, p < 0.001; F(1,291) = 8.731, p < 0.001 respectively). There was no statistically significant effect on confidence ratings by any interaction between Location and Case. CONCLUSION: The study shows the diagnostic accuracy and confidence was highest amongst periodontology specialists followed by general dentists and undergraduate students. Overall the participants showed suboptimal diagnostic accuracy and confidence.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».