MétaCan
Menu
Retour à la cohorte
Enregistrement W7006061700

A terapia com laser em especialidades odontológicas

2015· other· pt· W7006061700 sur OpenAlexaboutno aff

Notice bibliographique

RevueRedalyc (Universidad Autónoma del Estado de México) · 2015
Typeother
Languept
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLaserNova scotiaFourth generationWork (physics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

"Introdução: a terapia com laser tem sido utilizada com muito êxito na clínica odontológicae é uma excelente opção para cuidados de saúde. Objetivo: identificar no Norte/Nordeste do Brasil o número de dentistas especializados en raios laser e identificar, dentro do territorio brasileiro, as regiões onde há maior demanda de cursos de capacitação em laserterapia. Métodos: estudo descritivo com base nas consultas de dados secundários disponíveis no site do Conselho Federal de Odontologia, na secção de serviços e consultas, em 2013. Os resultados foram avaliados pelos testes do chi-quadrado e exato de Fisher (nível de significância de 5 %). Resultados: a amostra do estudo foi formada por 29 profissionais. Nas regiões analisadas, a maioria dos profissionais que possuiam a especialização em laserterapia eran clínicos gerais (sem especialização). Verificpu-se que a região sudeste se destaca pela maior disponibilidade de cursos certificados laserterapia, seguido pelo sul e pelo norte. O nordeste não apresenta nenhum curso em laserterapia, embora tenha mais profissionais especializados que no norte. O laser não deve representar apenas um dispositivo novo na clínica odontológica, mas sim, como uma nova filosofia terapêutica, que permite una interação biofísica entre a luz e o tecido biológico, o qual favorece um melhor tratamento e uma melhor qualidade de vida dos pacientes. Conclusões: uma maior quantidade de profissionais especializados se encontram na região sul e sudeste do Brasil, porém já é possível notar um aumento deste número no nordeste."

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,259
Écart entre enseignants0,233 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRedalyc (Universidad Autónoma del Estado de México)Travaux en français237 207