Socioeconomic-related inequalities in oral hygiene behaviors: a cross-sectional analysis of the PERSIAN cohort study
Notice bibliographique
Résumé
Abstract Background Socioeconomic-related inequality in oral hygiene behaviors in Iran is poorly understood. This study aims to measure and decompose socioeconomic-related inequalities in oral hygiene behaviors among middle-aged and elderly adults in Iran. Methods A cross-sectional analysis was performed using data from the Prospective Epidemiological Research Studies in IrAN (PERSIAN), a large national cohort study. A total of 130,016 individuals aged 35 years and above from 17 cohort centers in Iran were included in the study. The normalized concentration index ( C n ) was used to measure the magnitude of inequality in oral hygiene behaviors, i.e. brushing at least twice and flossing once daily, among middle-aged and elderly Iranian adults included in the cohort centers. Decomposition analysis was performed to quantify the contribution of each determinant to the observed inequality in oral hygiene behaviors. Results Totally, 65.5% of middle-aged and elderly adults brushed their teeth twice a day or more, 7.6% flossed at least once a day and 3.48% had both habits. The estimated C n of the two habits combined, i.e. tooth brushing and dental flossing, for all provinces taken part in the PERSIAN cohort study was 0.399 (95% confidence interval [CI]: 0.383 to 0.417), indicating that the prevalence of the two habits combined is more concentrated among individuals with higher socioeconomic status. Inequality in oral hygiene behaviors was pro-rich in all cohort centers. The decomposition results suggested socioeconomic status as the main factor contributing to the overall inequality, followed by the level of education, and the province of residence. Conclusion A low prevalence of oral hygiene behaviors among middle-aged and elderly Iranian adults was observed. There was also a pro-rich inequality in oral hygiene behaviors among middle-aged and elderly adults in all cohort centers. These results suggest an urgent need for targeted policy interventions to increase the prevalence of preventive oral hygiene behaviors among the poor and less-educated middle-aged and elderly adults in Iran.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».