Governance, maternal well-being and early childhood caries in 3–5-year-old children
Notice bibliographique
Résumé
BACKGROUND: This study assessed the direct, indirect and total effect of distal - political - risk indicators (affecting populations), and proximal risk indicators (affecting women) on the global prevalence of early childhood caries (ECC) in 3-5 year old children. METHODS: Data on global ECC prevalence were obtained from a prior study. Data for distal risk indicators (voice and accountability; political stability/absence of terrorism; control of corruption) were obtained from the World Bank Governance indicators, 2016. Data for proximal risk indicators (women's opportunity for leadership; percentage of female legislators, top officials and managers; basic employability status of women; ability of women to afford time off work to care for newborns; gross national income (GNI) per capita for females) were derived from the Human Development Index, 2016. Associations between variables were assessed with path analysis. RESULTS: Voice and accountability (β = - 0.60) and GNI per capita for females (β = - 0.33) were directly associated with a lower ECC prevalence. Political stability/absence of terrorism (β =0.40) and higher percentage of female legislators, senior officials and managers (β = 0.18) were directly associated with a higher ECC prevalence. Control of corruption (β = - 0.23) was indirectly associated with a lower ECC prevalence. Voice and accountability (β = 0.12) was indirectly associated with a higher ECC prevalence. Overall, voice and accountability (β = - 0.49), political stability/absence of terrorism (β = 0.34) and higher female GNI (β = - 0.33) had the greatest effects on ECC prevalence. CONCLUSION: Distal risk indicators may have a stronger impact on ECC prevalence than do proximal risk indicators.. Approaches to control ECC may need to include political reforms.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».