Oral health disparities and food insecurity in working poor Canadians
Notice bibliographique
Résumé
OBJECTIVES: This study explored oral health disparities associated with food insecurity in working poor Canadians. METHODS: We used a cross-sectional stratified study design and telephone survey methodology to obtain data from 1049 working poor persons aged between 18 and 64 years. The survey instrument contained sociodemographic items, self-reported oral health measures, access to dental care indicators (dental visiting behaviour and insurance coverage) and questions about competing financial demands. Food-insecure persons gave 'often' or 'sometimes' responses to any of the three food insecurity indicators used in the Canadian Community Health Survey (2003) assessing 'worry' about not having enough food, not eating enough food and not having the desired quality of food because of insufficient finances in the previous 12 months. RESULTS: Food-insecure working poor persons had poor oral health compared with food-secure working poor persons indicated by a higher percentage of denture wearers (P < 0.001) and a higher prevalence of toothache, pain and functional impacts related to chewing, speaking, sleeping and work difficulties (P < 0.001). Fewer food-insecure persons rated their oral health as good or very good (P < 0.001). Logistic regression analyses showed that oral health disparities between food-insecure and food-secure persons related to denture wearing, having a toothache, reporting poor/very poor self-rated oral health or experiencing an oral health impact persisted after adjusting for sociodemographic factors and access to dental care factors (P < 0.05). Food-insecure working poor persons reported relinquishing goods or services in order to pay for necessary dental care. CONCLUSIONS: This study identified oral health disparities within an already marginalized group not alleviated by access to professional dental care. Working poor persons regarded professional dental care as a competing financial demand.
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 | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».