Distribution of Dental Caries in 12-Year Old Children of Chandigarh using DMFT and SiC Index- A Cross-Sectional Study
Notice bibliographique
Résumé
Aims: To evaluate the distribution of dental caries using the DMFT index (Decayed, Missing, Filled Teeth) and Significant Caries Index (SiC) in 12-year old children of Chandigarh. To comparatively analyze the risk factors between the two groups - ‘SiC index group' and ‘least DMFT group' and to determine if the WHO Health goals have been achieved for the population. Methods: The examination for dental caries was done as per the WHO recommendations on 495 children. DMFT, SiC values and the oral health behaviours were recorded and the risk predictors for caries identified on logistic regression analysis. Results: The prevalence of dental caries was 74.1%. The mean DMFT was 2.93 ± 2.57 (0-12) and the mean SiC was 5.76 ± 1.89 (4-12). The odds of being in the SiC group were lesser with ≥ once a day tooth cleaning (OR:0.644, CI:0.109 - 3.822, p-value 0.628) and higher with ≤ once a day sugar intake (OR:1.286; CI:0.782-2.115, p-value 0.322), ≤ once a day fruit intake (OR: 1.485; CI:0.820 - 2.691, p-value 0.192), in boys (OR:1.175;CI:0.748 - 1.847, p - value 0.484) and in the lower strata (OR:2.578; CI:1.187 - 5.598, p-value 0.017). Conclusion: The study confirmed an unequal distribution of dental caries and aims to focus on the more susceptible lower strata and reduction of the D component of DMFT. The WHO Health Goals for 2000 were achieved for the population, but the Goals for 2015 were yet to be met. The study also highlights the need to strive to attain the WHO Health Goals for 2020.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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 ».