Socioeconomic status, oral health and dental disease in Australia, Canada, New Zealand and the United States
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Socioeconomic inequalities are associated with oral health status, either subjectively (self-rated oral health) or objectively (clinically-diagnosed dental diseases). The aim of this study is to compare the magnitude of socioeconomic inequality in oral health and dental disease among adults in Australia, Canada, New Zealand and the United States (US). METHODS: Nationally-representative survey examination data were used to calculate adjusted absolute differences (AD) in prevalence of untreated decay and fair/poor self-rated oral health (SROH) in income and education. We pooled age- and gender-adjusted inequality estimates using random effects meta-analysis. RESULTS: New Zealand demonstrated the highest adjusted estimate for untreated decay; the US showed the highest adjusted prevalence of fair/poor SROH. The meta-analysis showed little heterogeneity across countries for the prevalence of decayed teeth; the pooled ADs were 19.7 (95% CI = 16.7-22.7) and 12.0 (95% CI = 8.4-15.7) between highest and lowest education and income groups, respectively. There was heterogeneity in the mean number of decayed teeth and in fair/poor SROH. New Zealand had the widest inequality in decay (education AD = 0.8; 95% CI = 0.4-1.2; income AD = 1.0; 95% CI = 0.5-1.5) and the US the widest inequality in fair/poor SROH (education AD = 40.4; 95% CI = 35.2-45.5; income AD = 20.5; 95% CI = 13.0-27.9). CONCLUSIONS: The differences in estimates, and variation in the magnitude of inequality, suggest the need for further examining socio-cultural and contextual determinants of oral health and dental disease in both the included and other countries.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 découle