Predictors of Multiple Tooth Loss Among Socioculturally Diverse Elderly Subjects
Notice bibliographique
Résumé
PURPOSE: This study identifies clinical factors that predict multiple tooth loss in a socioculturally diverse population of older adults. MATERIALS AND METHODS: A total of 193 participants from English-, Chinese-, or Punjabi-speaking communities in Vancouver, British Columbia, with low incomes and irregular use of dental services were followed for 5 years as part of a clinical trial of a 0.12% chlorhexidine mouthrinse. The participants were interviewed and examined clinically, including panoramic radiographs, at baseline and annually for 5 years. Binary logistic regression was used to test the hypothesis that there was no difference between incidence of multiple (≥ 3) tooth loss in older people with various biologic, behavioral, prosthodontic, and cultural variables over 5 years. RESULTS: Multiple tooth loss, which was distributed similarly among the groups in the trial, occurred in 39 (20%) participants over 5 years. The use of removable prostheses was the best predictor of loss, followed by the number of carious surfaces and number of sites with gingival attachment loss > 6 mm. The pattern of prediction was consistent across the three linguocultural groups. CONCLUSION: The use of removable dentures was the dominant predictor of multiple tooth loss in the three communities, but that tooth loss was not significantly associated with the cultural heritage of the participants.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».