TÉCNICAS DE ESCOVAÇÃO DENTÁRIA
Bibliographic record
Abstract
Introdução: A remoção mecânica do biofilme das superfícies dentárias pela escovação, associada ao uso do fio dental, deve ser individualizada para cada paciente a fim de manter a saúde bucal. Objetivo: revisar a literatura sobre técnicas de escovação dentária, identificar e descrever as técnicas encontradas conforme a condição de saúde bucal, diferenciar o seu passo a passo de execução e apresentar os dados em quadro sinóptico. Metodologia: A estratégia de busca usou os descritores “higiene bucal” ou "escovação dentária" e "técnicas" em três bases de dados. A pesquisa recrutou artigos dos últimos vinte anos publicados em português e disponíveis na internet com o texto completo. Os critérios de inclusão observados foram: objetivo e indicação da técnica de escovação; posição, inclinação e sentido das cerdas da escova; tipo e duração do movimento da escova. Resultados: Quarenta e oito artigos foram encontrados, mas apenas dois descreveram a técnica de escovação dentária. Na análise exploratória foram incluídos vinte e um documentos técnicos. Na análise descritiva vinte e três documentos foram analisados, mas dois foram excluídos por não atenderem o mínimo de três critérios de inclusão. Conclusão: Houve divergência nas informações encontradas na literatura, possivelmente pela escassez de documento técnico sobre o assunto, sendo necessário mais estudos que reforcem a importância, a indicação e o modo de realização das técnicas de escovação dentária.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".