Dental treatment needs in the Canadian population: analysis of a nationwide cross-sectional survey
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Nationally representative clinical data on the oral health needs of Canadians has not been available since the 1970s. The purpose of this study was to determine the normative treatment needs of a nationally representative sample of Canadians and describe how these needs were distributed. METHODS: A secondary analysis of data collected through the Canadian Health Measures Survey (CHMS) was undertaken. Sampling and bootstrap weights were applied to make the data nationally representative. Descriptive frequencies were used to examine the sample characteristics and to examine the treatment type(s) needed by the population. Bivariate logistic regressions were used to see if any characteristics were predictive of having an unmet dental treatment need, and of having specific treatment needs. Lastly, multivariate logistic regression was used to identify the strongest predictors of having an unmet dental treatment need. RESULTS: Most of the population had no treatment needs and of the 34.2% who did, most needed restorative (20.4%) and preventive (13.7%) care. The strongest predictors of need were having poor oral health, reporting a self-perceived need for treatment and visiting the dentist infrequently. CONCLUSIONS: It is estimated that roughly 12 million Canadians have at least one unmet dental treatment need. Policymakers now have information by which to assess if programs match the dental treatment needs of Canadians and of particular subgroups experiencing excess risk.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 découle