A cross sectional study of Mexican caregiver social status, dental knowledge, self‐efficacy, and caregiver/child oral health. A structural equation model
Notice bibliographique
Résumé
OBJECTIVES: To test hypothetical models relating caregivers' social status, knowledge, and self-efficacy to caregiver/child (C/C) oral health-related outcomes. METHODS: One hundred fifty C/C pairs participated (recruitment = 87.7 percent). Three C/C outcomes were clinically assessed: "Oral self-care"; "Functional dentitions"; and "Dental treatment needs." Information about caregiver (CG) social status, knowledge, and self-efficacy was also gathered. Structural equation modeling tested measurement models (MMs) for CG social status, CG knowledge, and CG self-efficacy. The structural models (SMs) hypothesized causal paths among CG social status, CG knowledge, CG self-efficacy, and C/C oral health outcomes. RESULTS: estimates, Goodness of Fit Index >0.95, Normed Fit Index ~ >0.95, Confirmatory Fit Index >95, Root Mean Square Error Approximation <0.05). For the SMs, the best overall fit was for "Functional dentitions," while SMs for "Oral self-care," and "Dental treatment needs" required revisions. In all the SMs, the path between "Caregiver social status" and "Caregiver knowledge" was significant. In the "C/C Functional dentitions" SM, the significant path linked "CG self-efficacy" and "Child functional dentition." In the "C/C Dental treatment needs" SM, the significant path linked "CG self-efficacy" and "CG functional dentition." CONCLUSIONS: Hypothetical models for three oral health-related outcomes were partly or fully validated.
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 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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».