Impact of mood disorders on oral health‐care utilization among middle‐aged and older adults
Notice bibliographique
Résumé
BACKGROUND: Good oral health improves quality of life and is an integral part of active aging. Similar to some other systemic diseases, mood disorders are more prevalent in middle to older ages and have an associated risk of developing poor oral health. Consequently, people with mood disorders need to have regular dental care. There is scarce evidence in Canada linking mood disorders to the use of professional oral care services. The purpose of this study was to investigate the association between mood disorders and utilization of oral health-care services in a population-based sample of middle aged and older adults in Canada. METHODS: Data were extracted from Canadian Community Health Survey - Healthy Aging, 2008. Multinomial logistic regression was used to investigate the association between mood disorders and oral care utilization, adjusted for the confounders. RESULTS: Among 30,354 respondents included in our sample, 2162 (6.9%) reported having mood disorders. After adjusting for age, sex, education, marital status, and dental insurance status, the respondents who had mood disorders had a significant increased odds of not visiting a dental professional in the past year (OR:1.21, 95% CI: 1.08-1.35). The association of never visiting a dental professional and mood disorders was even stronger (OR: 1.49, 95% CI: 0.91-2.46). CONCLUSION: Mood disorders were found to have a strong association with underutilization of oral care services among aging adults of Canada. Given the associated poor oral health risks for elderly with mood disorders, oral health planners should strengthen the implementation of surveillance programs directed toward better oral health for this disadvantaged subpopulation.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».