Evaluation of clinical instructors performance in radiographic assessment of primary molar furcation areas: A pilot study
Notice bibliographique
Résumé
This study aimed to evaluate the diagnostic performance, agreement, and consistency of pediatric dentistry instructors in radiographic diagnosis of furcation lesions. Radiographic identification of furcation lesions in primary molars is challenging due to the superimposition of anatomic features and the developing permanent tooth buds. Clinical instructors’ inconsistencies in diagnosing this lesion may compromise patient outcomes and student training. Eight clinical instructors assessed 20 radiographs in two blinded rounds. A validated reference diagnosis dataset was established by two calibrated specialists, using paired pre-treatment and follow-up radiographs. Total and subgroup analysis was performed between instructors with and without specialty training. Diagnostic performance was measured by sensitivity, specificity, and accuracy. Agreement and consistency were evaluated using Fleiss’ and Cohen’s Kappa. Overall sensitivity, specificity, and accuracy were 0.75, 0.77, and 0.76, respectively, with no significant differences between pediatric specialists and general dentists (p=0.79). Agreement was moderate overall (K=0.50 - 0.59), ranging from fair to moderate in general dentists and substantial in specialists. Intra-rater consistency was substantial to almost perfect overall and in both groups (K=0.62- 0.82). Instructors demonstrated satisfactory accuracy and high intra-rater consistency in diagnosing furcation lesions, however inter-rater agreement was suboptimal. Standardized guidelines or could improve calibration and teaching reliability.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».