Urban Mexican‐American mothers’ beliefs about caries etiology in children
Notice bibliographique
Résumé
OBJECTIVES: Caries is a severe condition which disproportionately affects Latino children in the US. This study sought contextual understanding of urban, low-income Mexican-American mothers' beliefs, perceptions, knowledge and behavior surrounding causes of caries. METHODS: In urban San José, CA, a qualitative study was conducted with a convenience sample of Mexican-American mothers of young children about their beliefs and knowledge about the causes of caries. Audio-taped in-depth interviews with open-ended questions, primarily in Spanish, were translated to English and then transcribed verbatim. Texts were independently read and thematically analyzed by two researchers. RESULTS: Even while expressing uncertainty, all 48 mothers mentioned specific causes of caries, most frequently citing candy or juice consumption (85%), poor oral hygiene (65%) and use of the bottle (52%). Mothers rarely recognized cariogenic foods beyond candy, did not know or perform recommended oral hygiene routines, and demonstrated confusion and uncertainty about exactly how baby bottles are detrimental to teeth. Nearly half of these mothers also mentioned secondary cavity causes, such as genetics, lack of calcium, not going to the dentist or lack of fluoride. Mothers did not mention the role of bacteria. While mothers recognized that oral hygiene can counteract the detrimental effects of candy consumption, they did not recognize its beneficial effects in other contexts. Nor did they know about other preventive activities. CONCLUSIONS: Mothers recognized the three major important factors causing caries: sugar consumption, poor oral hygiene and bottle use. However, their knowledge is limited in depth and specificity which restricts development of caries prevention behaviors. More comprehensive education is needed, including about caries prevention (oral hygiene) behaviors, which could lead to an increased sense of self-efficacy with respect to their children's oral health.
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 | 0,003 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».