Utilisation des antibiotiques et tests diagnostiques en thérapie parodontale : une étude transversale sur les pratiques courantes des parodontistes au Canada
Bibliographic record
Abstract
En considérant la problématique grandissante des résistances bactériennes, cette étude avait pour but d’évaluer l’utilisation des antibiotiques et des tests diagnostiques microbiens en thérapie parodontale afin de vérifier si les pratiques cliniques actuelles des parodontistes canadiens concordent avec la littérature disponible. La collecte de données a été effectuée par l’entremise d'un questionnaire électronique acheminé par courriel et rempli de façon anonyme. Parmi les 322 parodontistes contactés, 64 ont participé à cette étude. Un taux de participation de 19,88 % a alors été atteint. Les résultats obtenus ont révélé que 59,38 % des parodontistes canadiens utilisent les antibiotiques locaux. Toutefois, les participants rapportent y avoir recours rarement et principalement pour la prise en charge de la parodontite réfractaire (39,47 %) et la parodontite chronique sévère localisée (21,05 %). D’ailleurs, la minocycline est l’antibiotique local le plus fréquemment utilisé. Pour ce qui est de l’antibiothérapie systémique, la majorité des parodontistes canadiens ont démontré des pratiques cliniques similaires pour les différentes conditions parodontales évaluées, et ce, autant pour les fréquences d’utilisation que les choix d’antibiotiques. La combinaison d’amoxicilline et de métronidazole est l’antibiothérapie systémique sélectionnée le plus fréquemment pour différentes conditions parodontales. Finalement, 82,81 % des participants n’utilisent jamais les tests diagnostiques microbiens dans leur pratique et cette non-utilisation a été justifiée par l’absence d’avantages associés à leur utilisation. En conclusion, une certaine similarité entre les habitudes de pratique a été dénotée pour l’antibiothérapie et les tests diagnostiques. Ainsi, en ce qui a trait à l’utilisation globale de l’antibiothérapie, les parodontistes canadiens respectent les évidences scientifiques actuelles. Pour ce qui est des tests diagnostiques, l’absence de littérature démontrant clairement les bénéfices cliniques d’avoir recours à ce type de test en thérapie parodontale a été reflétée par la faible utilisation de ceux-ci rapportée dans ce projet.
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 | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".