Barriers to dental visits in<scp>B</scp>elgium: a secondary analysis of the 2004<scp>N</scp>ational<scp>H</scp>ealth<scp>I</scp>nterview<scp>S</scp>urvey
Notice bibliographique
Résumé
OBJECTIVE: The study aims to identify barriers to annual dental visits in the Belgian population. METHODS: We conducted a secondary analysis of data collected through the 2004 National Health Interview Survey in Belgium. Only respondents aged 15 years and older with complete information on dental consultations and the independent variables (n = 5940) were considered in this analysis. The associations between the lack of dental visits during the 12 months preceding the survey and covariates of interest were examined using a multivariable logistic regression analysis. RESULTS: Almost one-half of the respondents (49.7 percent) did not visit a dentist in the 12 months prior to the survey. Region of residence was significantly the common variable for the three age categories. In the 15- to 34-year-old category, males and two-person households were significantly less likely to report a dental visit during the 12 months preceding the survey. For the 35- to 54-year-old category, a low level of education was the covariate associated with the lack of dental visit. In the 55 years or older category, the factors associated with the lack of a dental visit in the 12 months prior to the survey were: male gender, low level of education, low household income, low weekly alcohol consumption, current smoker, and body mass index of ≥ 25 mg/kg(2). CONCLUSION: Barriers to dental visits in Belgium differ among age groups and are linked to personal and environmental factors. The findings confirm the existence of social health inequalities in dental visits among Belgian people.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».