Can oral health technology assessment promote evidence-based decision making in undergraduate dental faculties?
Notice bibliographique
Résumé
Objectifs: Pour étudier l'effet de Oral Health Technology Assessment (OHTA) sur Evidence-Based Decision Making (EBDM) dans le programme de premier cycle de médecine dentaire. Méthodes: Cette étude a été réalisée à deux niveaux: 1) la revue de la littérature où les bases de données électroniques, y compris PubMed, MEDLINE, EMBASE, Cochrane Library, et CINHAL ont été fouillés, et 2) Une évaluation des besoins au moyen des entrevues avec des membres du corps professoral et diplômés stagiaires pour une évaluation systématique des technologies dentaires a été réalisée à l'Université McGill, faculté de médecine dentaire. Résultats: Notre évaluation préliminaire de l'évaluation des technologies dentaires dans les facultés canadiennes révèle un modèle de décisions prises au hasard, sans concerne envers l'adoption et l'utilisation de EBDM dans les programmes de premier cycle des facultés médecine dentaire. En plus, il n'y a aucune preuve de intégration de EBDM ou l'évaluation systématique des technologies dentaires dans les facultés dentaires. Conclusion: Dans la limite de cette étude, nos résultats suggèrent que l'évaluation systématique des technologies dentaires peuvent aider les facultés de médecine dentaire à intégrer EBDM dans leur curriculum et que les comités d'évaluation des technologies pourrait fournir aux membres du corps professoral et les étudiants les derniers développements dans les technologies dentaires qui peuvent être adaptés dans les curriculum dentaires.
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 | 0,111 | 0,378 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,013 | 0,007 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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.
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 ».