Exploring school oral health outcomes and neighbourhood factors in schools participating in Ontario's "Healthy Schools" recognition program.
Notice bibliographique
Résumé
OBJECTIVES: This ecologic study compared school-level oral health outcomes in schools participating in Ontario's "Healthy Schools" program and nonparticipating schools in York Region, Ontario in 2007-2008 and examined the effect of neighbourhood socio-economic factors. METHOD: School-aggregated data were obtained for all 243 elementary schools. York Region Public Health Unit provided oral health data from school dental screenings. We obtained information about schools participating in the Ontario's "Healthy Schools" program from publicly accessible websites. Neighbourhood socio-economic data based on school postcodes were extracted from Statistics Canada (2006) census databases. School oral health outcomes included the percentage of children in each school requiring preventive care, non-urgent dental treatment, urgent dental treatment and children with > or = two decayed teeth. RESULTS: One hundred and six elementary schools (42%) participated in Ontario's "Healthy Schools" program in 2007-2008. Schools participating in the "Healthy Schools" program had a significantly lower percentage of children with > or = two decayed teeth (p < 0.001) and children requiring urgent dental treatment (p = 0.004) than non-participating schools. School participation/neighbourhood socio-economic factors interactions showed that a significantly lower percentage of children in low-income "Healthy Schools" had preventive and urgent dental treatment needs and > or = two decayed teeth than in low-income non-participating schools (p < 0.001). CONCLUSION: Schools participating in Ontario's "Healthy Schools" program had better school oral health outcomes than non-participating schools. School neighbourhood socio-economic factors affected school oral health outcomes, which could suggest that schools situated in poorer neighbourhoods may benefit more from health promotion activities than schools situated in more affluent neighbourhoods.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».