Medical emergencies at teaching dental clinics in Saudi Arabia: a systematic review
Notice bibliographique
Résumé
Medical emergencies (MEs) are sudden and severe health issues that pose an immediate threat to patients' lives or well-being if not addressed expeditiously. Annually, between 50 and 70% of dental professionals experience at least one medical emergency, with over a quarter encountering several emergencies each year. Therefore, it is essential to be familiar with the frequency and types of medical emergencies that may occur in dental offices so that dental professionals can be prepared to deal with life-threatening situations. This systematic review aims to report the prevalence and incidence of medical emergencies at teaching dental clinics in Saudi Arabia. Additionally, it aims to highlight assessments of practitioners' knowledge regarding these emergencies and report on the most encountered MEs. Furthermore, the study highlights recommendations from previous research on effective prevention and management strategies for MEs in dental teaching hospitals. The included articles were obtained from three different databases: EBSCO, SCOPUS, and PubMed. Eight studies were included in our analysis based on the eligibility criteria, and their quality assessment was assessed using the Newcastle-Ottawa Scale. The findings show a wide range of emergency reporting among the included articles, ranging from 49.4% to 0.2%. The dental students' knowledge in managing MEs was generally poor to below-average, except for one study that reported above-average performance. Postgraduate students showed better performance. Two studies reported a lack of confidence and practical competence in managing medical emergencies. This review demonstrates that although foundational awareness exists, readiness is often lacking, especially among students and junior practitioners. A standardized, competency-based training framework across Saudi dental institutions is imperative to bridge this gap and ensure patient safety. Further studies are recommended to evaluate the prevalence of medical emergencies and the level of knowledge across dental institutions in Saudi Arabia.
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 | 0,004 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».