Self‐reported dental and oral injuries in a population of adults aged 18–50 years
Notice bibliographique
Résumé
Few population-based studies of traumatic dental injury in adults have been undertaken. The objective of this study was to assess the prevalence and severity of injuries to the mouth and teeth among adults aged 18-50 years living in the Canadian province of Ontario. A telephone survey was undertaken based on random digit dialling and 2001 adults in the target age range were interviewed. Overall, 15.5% reported a history of injury to the mouth and teeth. Of these, one-third reported two or more episodes of injury. Males were more likely than females to report injury and to have experienced more than one injury. There was no association with age but a U-shaped relationship with education. When asked about the nature of the worst injury experienced, 85% with a history of trauma reported damage to the teeth and of these, 38.5% reported one or more teeth were chipped and 26.0% broke one or more teeth. One quarter (25.4%) reported avulsions and 6.5% reported luxations. Other types of injury were reported by 3.5%. Two-thirds of the injuries reported occurred before the age of 18 years and one-third after this age. One-fifth of those with tooth injuries had not been treated by a health professional. This was not associated with the nature of the damage that occurred; rather subjects from the lower educational groups were less likely than those from higher educational groups to have received treatment. There was a significant association between injuries to the mouth and teeth and injuries in other body locations. One-third of those reporting two or more episodes of the latter reported having experienced injuries to the mouth and teeth. The results of this self-report study indicate that dental trauma constitutes a significant health issue among adults and that a minority may be injury prone. Health promotion programmes to reduce the incidence of injury among lower socioeconomic groups are needed since these have high rates of injury and the lowest rate of receipt of treatment.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».