A terapia com laser em especialidades odontológicas
Bibliographic record
Abstract
"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."
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".