Disparities in the availability of dental care in metropolitan Toronto.
Notice bibliographique
Résumé
OBJECTIVES: The availability of dentists as a barrier to access to care has not been thoroughly explored, particularly in large cities. In this study, we aimed to identify disparities in the availability of dentists in Canada's largest urban centre, Toronto, and explore whether distributional disparities are associated with underlying factors, such as affordability as measured by average household income. METHODS: Geocoded data on number of dentists and population estimates for metropolitan Toronto's forward sortation areas (FSA) were used to calculate dentists per 100,000 population. Dentist density and average annual household income by FSA were then mapped using geographic information system techniques. Pearson testing was used to identify associations of various factors with dentist density. Significance testing was performed to compare average dentist to population ratios in high (> $100,000) and low ($40,000-$60,000) income FSAs. RESULTS: Communities with high household incomes and high dentist density were clustered in central Toronto. Income-based disparities in dentist distribution were also observed. Compared with low-income FSAs, dentist density increased by a factor of 2.47 in the highest income FSAs. Dentist density also increased with income and education but decreased with immigrant level. CONCLUSIONS: Dentist availability may be linked to demographic factors, including affordability. The income-based disparity in availability in Toronto was as high as that observed elsewhere between rural and urban communities.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».