A new insight into masticatory function and its determinants: a latent class analysis
Notice bibliographique
Résumé
OBJECTIVE: Masticatory function is an important factor for preservation of general health. Epidemiologic data on masticatory function and its determinants among Iranian population are sparse, and no study has evaluated masticatory function using latent class analysis (LCA). This study was conducted to investigate the masticatory function and its determinants among a large sample of Iranian adults. METHODS: In a cross-sectional study among 8691 adults, masticatory function was investigated using a validated questionnaire. LCA and latent class regression (LCR) were applied to identify classes of masticatory function and its potential determinants, respectively. In addition, multigroup LCA was conducted based on gender and age categories. RESULTS: In total, 11.24% and 24.87% of participants had poor and moderate masticatory function, respectively. Males (class size: 14.33%) were more likely to have poor masticatory function than females (class size: 2.35%) (P < 0.001). The results of LCR showed that higher age [adjusted odds ratio (OR): 1.09, 95% confidence interval (95% CI): 1.07-1.11, P < 0.001], male gender (OR: 1.37, 95% CI: 1.01-1.87, P < 0.05), and low physical activity (OR: 1.41, 95% CI: 1.08-1.85, P < 0.05) were associated with poor masticatory function. Nonsmokers had a lower chance of being in poor masticatory function class than heavy smokers (OR: 0.21, 95% CI: 0.11-0.38, P < 0.001). CONCLUSION: The prevalence of poor masticatory function is high among Iranian adults. Aging, male gender, low levels of physical activity, and smoking were found to be associated with poor masticatory function.
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 | 0,004 |
| 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 | 0,001 |
| 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 ».