MétaCan
Menu
Retour à la cohorte
Enregistrement W2172601356 · doi:10.1016/j.ssmph.2015.11.001

Assessing the relationship between dental appearance and the potential for discrimination in Ontario, Canada

2015· article· en· W2172601356 sur OpenAlexafffundabout
Jamie Moeller, Sonica Singhal, Mahmoud Al‐Dajani, Noha Gomaa, Carlos Quiñonez

Notice bibliographique

RevueSSM - Population Health · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueObesity and Health Practices
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésBlameSocioeconomic statusAffect (linguistics)PsychologyLogistic regressionEnvironmental healthSocial psychologyMedicinePopulation

Résumé

récupéré en direct d'OpenAlex

Poor oral health is influenced by a variety of individual and structural factors. It disproportionately impacts socially marginalized people, and has implications for how one is perceived by others. This study assesses the degree to which residents of Canada’s most populated province, Ontario, recognize income-related oral health inequalities and the degree to which Ontarians blame the poor for these differences in health, thus providing an indirect assessment of the potential for prejudicial treatment of the poor for having bad teeth. Data were used from a provincially representative survey conducted in Ontario, Canada in 2010 (n=2006). The survey asked participants questions about fifteen specific conditions (e.g. dental decay, heart disease, cancer) for which inequalities have been described in Ontario, and whether participants agreed or disagreed with various statements asserting blame for differences in health between social groups. Binary logistic regression was used to determine whether assertions of blame for differences in health are related to perceptions of oral health conditions. Oral health conditions are more commonly perceived as a problem of the poor when compared to other diseases and conditions. Among those who recognize that oral conditions more commonly affect the poor, particular socioeconomic and demographic characteristics predict the blaming of the poor for these differences in health, including sex, age, education, income, and political voting intention. Social and economic gradients exist in the recognition of, and blame for, oral health conditions among the poor, suggesting a potential for discrimination amongst socially marginalized groups relative to dental appearance. Expanding and improving programs that are targeted at improving the oral and dental health of the poor may create a context that mitigates discrimination.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,231
Tête enseignante GPT0,498
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSSM - Population HealthMême sujetObesity and Health PracticesTravaux en français237 207