Dental service utilization by Europeans aged 50 plus
Notice bibliographique
Résumé
OBJECTIVES: To describe variations in the utilization of dental services by persons aged 50+ from 14 European countries and to identify the extent to which such variations are attributable to differences in oral health need and in accessibility of dental care. METHODS: We use data from the Survey of Health, Ageing, and Retirement in Europe (SHARE Waves 2 and 3) and estimate a series of multivariate logistic regression models to analyze variations in dental service utilization (overall dental attendance, preventive treatment and/or operative treatment, dental attendance in early life years) RESULTS: Overall dental attendance and incidence of solely preventive treatment are comparatively high in the Netherlands, Sweden, Denmark, Germany, and Switzerland. In contrast, overall dental attendance is relatively low in Spain, Italy, France, Greece, Poland, and Ireland. Moreover, a high incidence of solely operative treatment is observed in Austria, Italy, and France, whereas in the Netherlands, Sweden, Denmark, Switzerland, and Ireland, the incidence of solely operative treatment is comparably low. By and large, these variations persist even when controlling for cross-country differences in oral health need and in accessibility of dental care. CONCLUSIONS: In comparison with other European regions, there is a tendency toward more frequent and preventive dental treatment of the elderly populations residing in Scandinavia and Western Europe. Such utilization patterns appear only partially attributable to differences in need for and accessibility of dental care.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».