<p>Socioeconomic-Related Inequalities in Dental Care Utilization in Northwestern Iran</p>
Notice bibliographique
Résumé
INTRODUCTION: There have been multiple studies on socioeconomic-related inequalities in the use of dental services in Iran, but the evidence is still limited. This study measured inequality in dental care utilization by socioeconomic status and examined factors explaining this inequality among households in Ardabil, Iran in 2019. METHODS: A total of 436 household heads participated in this cross-sectional study. Using a validated questionnaire, face-to-face interviews were conducted to collect data on dental care utilization, unmet needs, sociodemographic characteristics, economic status, health insurance, and oral health status of the participants. We used the concentration curve and relative concentration index (RCI) to visualize and quantify the level of inequality in dental care utilization by income. Regression-based decomposition was also applied to understand the causes of inequality. RESULTS: About 59.2% (95% CI 54.4%-63.7%) and 14.7% (95% CI 11.6%-18.4%) of participants had visited a dentist for dental treatment in the previous 12 months and for 6-month dental checkups, respectively. The RCI for the probability of visiting a dentist in the last 12 months was 0.243 (95% CI 0.140-0.346). This suggests that dental care utilization was more concentrated among the rich. The RCI for unmet dental care needs was negative, which indicates more prevalence among the poor. Monthly household income (20.9%), self-rated oral health (6.9%), regular brushing (3.2%), and dental health insurance (2.5%) were the main factors in socioeconomic inequality in dental care utilization. CONCLUSION: This study reveals that dental care-service utilization did not match the need for dental care, due to differences in socioeconomic status in Ardabil, Iran. Policies could be implemented to increase the coverage of dental care services among socioeconomically disadvantaged groups to tackle socioeconomic-related inequality in dental care utilization.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».