Relação entre fluorose dental e a concentração de flúor no dente – um estudo em área endêmica
Notice bibliographique
Résumé
Objetivo: Determinar a relação entre severidade de fluorose dental (FD), e concentração de flúor [F] no dente e água em áreas endêmicas de FD. Métodos: Residentes de duas comunidades endêmicas de FD foram estudados. 45 dentes foram coletados e analisados para severidade de FD e concentração de flúor. O índice de Thylstrup-Ferjeskov (TFI) foi utilizado para medir a severidade de FD e análise por ativação com nêutrons (AAN) para concentração de [F] dental. Águas de poços da região foram coletadas (n=9) e analisadas para [F], utilizando eletrodo específico de flúor. Resultados: Concentração de [F] da água variou entre 0,2 e 4,7ppm. Os escores do TFI variaram entre 0 e 6; [F] no esmalte entre 120 e 2140ppm e na dentina entre 304 e 4800ppm. Não se observou correlação entre severidade de DF e [F] no esmalte (rs=0,22,p=0,15) e dentina (rs=-0,11,p=0,56). Encontrou-se correlação fraca entre FD e [F] na água (rs=0,38,p=0,04). Análise de regressão linear demonstrou que TFI não podia ser predito por uma combinação linear das variáveis (idade, e concentração de flúor no esmalte e dentina). Quando a concentração de flúor no esmalte, dentina e água foram analisadas de forma independente na regressão linear, apenas flúor na água demonstrou influência na severidade de FD (p=0,013;t=2,67). Conclusão: Mesmo em áreas endêmicas de FD, concentração de flúor dental não se correlaciona com severidade de FD, e a relação entre este e a concentração de flúor nas águas foi fraca. Assim, concentração de flúor dental pode não ser um bom preditor/indicador de severidade de FD.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,006 |
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 ».