MétaCan
Menu
Retour à la cohorte
Enregistrement W575654941

Tracking early visits to the dentist: a look at the first 3 years of the Manitoba Dental Association’s Free First Visit program.

2015· article· en· W575654941 sur OpenAlexaffabout
Robert J. Schroth, Gurinder Boparai, Manpreet K. Boparai, Miroslava Svitlica, Lanny Jacob, Leon Stein, Charles Lekić

Notice bibliographique

RevuePubMed · 2015
Typearticle
Langueen
DomaineDentistry
ThématiqueDental Health and Care Utilization
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésTracking (education)MedicineFamily medicineDentistryPsychology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: In 2010, the Manitoba Dental Association launched its Free First Visit (FFV) program to provide dental screening for infants and toddlers. In this article, we review 3 years of FFV data submitted by participating dentists. METHODS: Data from tracking forms were reviewed for children≤36 months of age. These forms include the age of the child at the time of their FFV, their home postal code and caries status. Descriptive and bivariate analyses were carried out, and postal code geomapping was completed. RESULTS: Of the 8396 tracking forms submitted, 51.8% were for boys. The mean age at the time of the first visit was 24.2±7.8 months. Although only 8.5% had an FFV by 12 months, 26.7% had an FFV by 18 months. The average number of FFVs per month was 231.4±49.7. Postal code mapping revealed that participation was highest for children in the southern half of the province, including some high-needs neighbourhoods in Winnipeg. Pediatric dentists provided most FFVs and saw significantly younger children compared with general dentists (23.8±7.8 months of age vs. 25.2±7.7 months, p<0.001). CONCLUSIONS: Although many Manitoba children have had an FFV, few visit a dentist by 12 months, as recommended by the dental profession. There is a need to improve the proportion of children visiting a dentist by the recommended age, and general practitioners should assume a greater role in providing this service.

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)0,004
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,858
Score d'incertitude au seuil0,286

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,009
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,024
Tête enseignante GPT0,255
Écart entre enseignants0,232 · 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'étudeObservationnel
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

Citations19
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetDental Health and Care UtilizationTravaux en français237 207