Effects of income and dental insurance coverage on need for dental care in Canada.
Notice bibliographique
Résumé
OBJECTIVE: To estimate the strength of the associations among income, dental insurance coverage and need for dental care (both urgent and nonurgent) in Canada. METHODS: Multinomial logistic models were fit to data from the 2009 Canadian Health Measures Survey to test unadjusted associations among household income, dental insurance coverage and the need for urgent and nonurgent dental care. Adjusted associations, controlling for socio-demographic variables (age, sex, immigration status, education and province of residence) and oral health habits (brushing, flossing and visits to the dentist) were also evaluated. RESULTS: In the unadjusted model, need for treatment was lower among people with dental insurance than among those without insurance coverage (for urgent treatment: odds ratio [OR] 0.76, 95% confidence interval [CI] 0.66-0.89; for nonurgent treatment: OR 0.59, 95% CI 0.50-0.70). In addition, there was an income gradient, whereby people with higher income had less need for dental treatment (for urgent treatment: OR 0.99, 95% CI 0.99-1.00; for nonurgent treatment: OR 0.99, 95% CI 0.98-0.99). Controlling for socio-demographic and oral health variables decreased the magnitude of the association between dental insurance coverage and need for treatment (for urgent treatment: OR 0.80, 95% CI 0.68-0.95; for nonurgent treatment: OR 0.76, 95% CI 0.63-0.92). An interaction term between dental coverage and income was significant in relation to the need for nonurgent treatment: among lower-income individuals, having insurance slightly decreased the odds of needing nonurgent treatment, with this decrease in odds becoming greater for middle-income earners and even greater for high-income earners. CONCLUSION: Income-related inequality in need for dental care exists even in the presence of dental insurance coverage and good dental hygiene habits. These findings highlight the need for increased access to dental care for low-income populations and families living in poverty.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».