Expanding the Dental Team: Studies of Two Private Practices
Notice bibliographique
Résumé
More than 50 countries have improved access to dental care by allowing providers other than dentists to offer routine preventive and restorative care, such as filling cavities. In comparison to dentists, such midlevel providers—dental therapists and hygienists with extra training in restorative care—require less education, perform fewer procedures, and command lower salaries. Research has confirmed that they provide high-quality, cost-effective routine care, and improve access to treatment in parts of the country where dentists are scarce. In the United States, these types of providers are already working in Alaska and Minnesota, and an additional 15 states are considering allowing them to do the same.Policymakers and dental practitioners have asked important questions about how dental practices might be affected by these midlevel providers. To answer these questions, Pew conducted an extensive, in-depth examination of two private dental practices that employ dental therapists: a Minnesota practice where a dental therapist has been working since early 2012, and a practice in Saskatchewan, Canada, that has employed a dental therapist for more than 30 years. Because Canada's dental care delivery system is similar to that of the United States—residents obtain private dental insurance or pay out of pocket for care—a Canadian practice was chosen to illustrate a mature practice model.This is the first report to reveal early cost-impact findings of a dental therapist on a private practice in the United States and to describe how these providers are functioning on a daily basis—the patients they see, the procedures they conduct, the supervision they receive, and how they coordinate with the rest of the dental team.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 ».