Early childhood caries in multilingual community
Notice bibliographique
Résumé
Objective: The aim of the study was to determine the prevalence and severity of early childhood caries (ECC) among different social groups of preschool children in ethnic and multilingual diverse community such as South Backa District (SBD), Republic of Serbia. Methods: This survey was a cross-sectional analytical study and sample type has been projected by simple random choice of 13-71 months old children together with their parents of varied socioeconomic status (SES) and nationality in SBD. Preschool children were randomly selected through a two-stage cluster sampling procedure and parents were invited to answer the questionnaire regarding SES, native language, education, and income issues. The WHO caries diagnostic criterion was used and the severity of ECC was defined by Wine's modified criteria. The data was further analyzed using the SPSS for Windows Microsoft Excel, version 21. The percentage of caries-free children was compared using the χ2 test, and one-way ANOVA was used to compare the mean disease indices at the 5% significance. Results: A total of 341 children were examined and the prevalence of ECC was 30.5%. "White spot" initial caries lesions were the most prevalent form and the highest disease frequency was found in male children (p = 0.038), who did not speak official Serbian language (p = 0.009), in children of the part-time employed parents (p < 0.001), with elementary education (p = 0.001), in low monthly income families (p = 0.023), and Roma ethnic group. Conclusions: The complex interaction of risk factors like social environment along with ethnicity and Serbian language ignorance had a significant influence on the prevalence and severity of ECC in preschool children of this multi-ethnic region.
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 | 0,003 | 0,001 |
| 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 | 0,001 |
| 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 ».