Self‐reported oral health at baseline of the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
OBJECTIVES: To compare the prevalence of poor self-reported oral health (SROH) and dental service-use in a representative sample of Canadian residents, and to identify associations between SROH and psychosocial determinants of health at baseline of the Canadian Longitudinal Study on Aging. METHODS: Data from baseline interviews from 2010 to 2015 involving 93% of 51 388 adults (n = 47 761) were weighted to compare the prevalence of oral health characteristics adjusted for age, sex, socioeconomics, general health and residence. SROH was assessed as 'excellent', 'very good', 'good', 'fair' or 'poor', and dichotomized as 'fair/poor' and 'good/very good/excellent'. Multivariable logistic regression was used to assess the association of fair/poor oral health with psychosocial determinants of health. RESULTS: Most participants reported 'good/very good/excellent' oral health (92.5%), natural teeth (92.0%) and dental service-use in the previous year (79.6%), yet over 10% had discomfort when eating. Reports of 'fair/poor' oral health were significantly more frequent among participants who had dental concerns, had low socioeconomic status, smoked tobacco or reported poor general health. Dental service-use and tooth loss differed by province. The odds of poor/fair SROH were high (odds ratio ≥1.5) among participants who avoided foods, did not use dental services frequently, had low incomes, smoked tobacco, were depressed, felt unhealthy or had multiple chronic conditions, but by neither sex or age. There were no interprovincial differences. CONCLUSIONS: Most Canadian residents feel in good oral health and use dental services. Oral health inequality is evident between different socioeconomic groups and between healthy and unhealthy people. SROH is strongly associated with socioeconomic and general health status but not with place of residence. However, there were substantial differences in reports of tooth loss and dental service-use across provinces.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| 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) | 0,002 | 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 ».