School Performance Indicators as Proxy Measures of School Dental Treatment Needs: A Feasibility Study
Notice bibliographique
Résumé
OBJECTIVE: This ecological study assessed the feasibility and predictive ability of readily available educational indicators as proxy measures of school dental treatment needs in York Region elementary school children, Canada. METHOD: Data sources included York Region Dental Health Unit dental screening data (2003-2004); area-based income data from Statistics Canada (2001) based on school address postcodes; grade three and grade six school performance results in reading, writing mathematics and English as a second language (ESL) data (2003-2004) obtained from publicly accessible educational websites. RESULTS: Data analyses included 219 schools. Pearson's correlations showed that schools with a higher percentage of children needing urgent dental treatment had significantly higher proportions of children scoring below provincial averages in all six school performance categories. Hierarchical stepwise multiple linear regression analysis showed that two school performance variables remained in the model after controlling for area-based median family income and ESL variables: the percentage of grade six pupils scoring below the provincial average in writing and the percentage of grade 3 pupils scoring below the provincial average in reading. CONCLUSIONS: The study established the feasibility of using school-level school performance indicators as proxy measures of school-level dental treatment needs. School performance results were good predictors of urgent dental treatment in York Region elementary school children. Further studies are needed using data from other jurisdictions to determine the utility of educational indicators in oral health programs.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».