MétaCan
Menu
Retour à la cohorte
Enregistrement W2982604728 · doi:10.1590/1413-812320182411.29582017

Dor dentária em usuários de Substâncias Psicoativas dos CAPS AD de Vitória, Vila Velha e Serra, ES, Brasil

2019· article· pt· W2982604728 sur OpenAlexaff
Bruna Venturin Lorencini, Bruna Costa Bissoli, Jeremias Campos Simões, Maria Helena Monteiro de Barros Miotto, Marluce Mechelli de Siqueira, Eliana Zandonade

Notice bibliographique

RevueCiência & Saúde Coletiva · 2019
Typearticle
Languept
DomaineSocial Sciences
ThématiqueYouth, Drugs, and Violence
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésMedicine

Résumé

récupéré en direct d'OpenAlex

Toothache is a public health problem that causes great inconvenience to psychoactive substances users. The objective was to verify the prevalence of dental pain and its associations among psychoactive substances users from Alcohol and Drug Psychosocial Care Centers (CAPS AD) in Vitoria, Vila Velha and Serra, Espírito Santo, Brazil. A transversal study was conducted with 280 participants between June 2015 and February 2016, using five scripts: one for socio-demographic data and health perception; another for oral health; the Oral Health Impact Profile; the Alcohol Smoking and Substance Involvement Screening Test and the World Health Organization Quality of Life Test. Data were organized in frequency tables and analyzed with the SPSS 20 statistical package. Comparisons were made with Fisher's test and the Odds Ratio (OR) was used to check the strength of the association between the variables. The prevalence of pain in the population studied was 59.3%, and individuals whose quality of life was impacted due to their oral conditions were 2.2 times more likely to report toothache in the last 6 months. The population studied showed a high prevalence of dental pain and the study indicates that dental pain interferes in the quality of life of psychoactive substances users who are treated at CAPS AD services in these three cities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,180
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,006

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 Opus0,023
Tête enseignante GPT0,294
Écart entre enseignants0,271 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCiência & Saúde ColetivaMême sujetYouth, Drugs, and ViolenceTravaux en français237 207