Factors Associated With Dental Care Utilization in Early Childhood
Notice bibliographique
Résumé
OBJECTIVES: To identify sociodemographic, dietary, and biological factors associated with families who do not receive dental care in early childhood and to identify risk factors associated with having cavities among children who receive early dental care. METHODS: A cross-sectional study of healthy Canadian children seen for primary health care between September 2011 and January 2013 was conducted through the TARGet Kids! practice-based research network in Toronto, Canada. Adjusted logistic regression was used to determine factors associated with children who were not seen by a dentist in early childhood and to determine risk factors associated with having dental cavities among children who received early dental care. RESULTS: Of the 2505 children included in the analysis, <1% were seen by a dentist by 1 year of age. Older children were less likely to have never been to the dentist (odds ratio [OR], 0.88; 95% confidence interval [CI], 0.87-0.90). Low family income (OR, 2.73; 95% CI, 1.47-5.06), prolonged bottle use (OR, 1.43; 95% CI, 1.03-2.00), and higher intakes of sweetened drinks (OR, 1.20; 95% CI, 1.01-1.42) were associated with increased risk for never having been to the dentist. Among those who had been to the dentist, older children (OR, 1.04; 95% CI, 1.03-1.05), children of low income families (OR, 1.90; 95% CI, 1.17-3.10), and those of East Asian maternal ethnicity (OR, 1.91; 95% CI, 1.10-3.29) were more likely to have dental cavities. CONCLUSIONS: Among healthy urban children seen by a primary care provider, those most susceptible to cavities were least likely to receive early dental care. These findings support the need for publicly funded universal early preventive dental care and underscore the importance for primary care physicians to promote dental care in early childhood.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».