Socioeconomic status, oral health and dental disease in Australia, Canada, New Zealand and the United States
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.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».