Tooth Erosion with Low Severity Does Not Impact Child Oral Health-Related Quality of Life
Notice bibliographique
Résumé
BACKGROUND: Prevalence data about tooth erosion has attracted increasing attention in the dental community; however, no study has addressed the impact of this condition on child oral health-related quality of life (COHRQoL). This study assessed the impact of tooth erosion on COHRQoL. METHODS: This study followed a cross-sectional design, with a multistage random sample of 944 11- to 14-year-old children representative of Santa Maria, a southern city in Brazil. They were examined for recording the prevalence and severity of tooth erosion by 2 examiners. Children completed the Brazilian version of Child Perceptions Questionnaire (CPQ(11-14)) and data about socioeconomic variables of the target population were collected by means of a structured questionnaire. The Poisson regression model using robust variance was performed to assess the association between the predictor variables and the outcomes. RESULTS: Prevalence of tooth erosion (7.2%) and severity were low. Poisson regression models showed a distinct gradient in mean CPQ(11-14) scores by socioeconomic indicators. Children with tooth erosion with low levels of severity did not report higher means in the total scores or domains of CPQ(11-14). CONCLUSION: The presence of tooth erosion of low severity did not have a significant negative impact on the children's perception of oral health or on their daily performance.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».