Oral health quality of life is associated to jaw function and depression in patients with myogenous temporomandibular dysfunction
Notice bibliographique
Résumé
OBJECTIVE: To determine which factors influence and better differentiate between good and poor oral health-related quality of life (OHRQoL) in patients with myogenous TMD and which cut-off could predict a good/poor OHRQoL. METHODS: Fifty-eight women with myogenous TMD were included. Factors of interest were collected (i.e., demographic variables, depression symptoms (Symptom Checklist-90 R (RDC/TMD)), pain intensity (Visual Analog Scale), jaw function (Mandibular Functional Limitation Questionnaire), and OHRQoL (Oral Health Impact Profile-14). A multivariable regression model, logistic regression, and receiver operating curve (ROC) analyses were conducted. RESULTS: Depression symptoms (β = 0.139) and jaw function (β = 0.478) were significantly associated with OHRQoL in the multivariable model. The best model to discriminate between good/poor OHRQoL included only jaw function (AUC = 0.90), with the best cut-off of 17 points (sensitivity: 0.93; specificity: 0.79). CONCLUSION: Depression symptoms and jaw function were significantly associated with OHRQoL. The best model and cut-off to discriminate good/poor OHRQoL included only jaw function.
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 | 0,004 |
| 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) | 0,001 | 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 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 ».