MétaCan
Menu
Retour à la cohorte
Enregistrement W2186776856

Do socio-economic disparities in dental treatment needs exist in Lithuanian adolescents?

2008· article· en· W2186776856 sur OpenAlexaff
Jolanta Aleksejūnienė, Vilma Brukienė

Notice bibliographique

RevuePubMed · 2008
Typearticle
Langueen
DomaineDentistry
ThématiqueDental Health and Care Utilization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésLithuanianSocioeconomic statusProxy (statistics)Bivariate analysisPopulationDemographyEducational attainmentBayesian multivariate linear regressionMedicineFamily incomeGeographySocioeconomicsEnvironmental healthRegression analysisEconomicsEconomic growthStatisticsSociologyMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To explore disparities in needs for dental treatment which arise from individual and area-based socio-economic determinants. RESEARCH DESIGN: A cross-sectional study conducted in 22 randomly selected Lithuanian areas. SETTING: In each of the pre-selected areas, one secondary school was randomly chosen. PARTICIPANTS: A total of 885 15-16-year-olds participated. Outcome measures. Dental treatment need was evaluated following the WHO guidelines and aQuantitative Summative Dental Treatment Needs Index (QSDTNI) was used to calculate the total burden of needs. The information about socio-economical determinants was obtained from a structured questionnaire and national statistics database. Individual socio-economic status (SES) measures were: parents' occupation, family structure, family income and affordability to have holiday used as a proxy measure for income. The area-based SES estimates were: unemployment, average household income, educational attainment, natural increase/decrease of population in an area and net migration rate. Data was analyzed by bivariate and multivariate analyses. RESULTS: None of significant bivariate associations between individual socio-economic variables and the QSDTNI were detected. Among area-based variables natural increase/decrease of population in an area and net migration rate were significantly related to the QSDTNI. Two individual and two area-based factors were extracted and introduced into Linear Multiple Regression Analysis (LMR). The LMR model was significant, but only one factor, i.e. area demographics, significantly contributed to this model. CONCLUSION: There are no clear social disparities in dental treatment needs in Lithuanian adolescents.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,014
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,032
Tête enseignante GPT0,266
Écart entre enseignants0,234 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetDental Health and Care UtilizationTravaux en français237 207