Georeferencing of adolescents with malocclusion in a capital of Southern Brazil
Notice bibliographique
Résumé
The aim of this study was to analyze the prevalence and to georeference the malocclusion traits in adolescents in the city of Curitiba, Paraná, Brazil. Data from a previous cross-sectional study with 538 adolescents aged 10 to 14 years were used. In addition, the following variables were used: gender, Health District (HD) of residence, and presence and malocclusion traits. Fisher’s Exact Test, georeferencing, and kernel mapping were used for data evaluation. Malocclusion was observed in 52.4% of individuals, and the most prevalent occlusal trait was deep bite (22.7%), followed by excessive overjet (19.9%), anterior crowding (8.0%), posterior crossbite (6.5%), anterior open bite (4.8%), and anterior crossbite (1.7%). Malocclusion was not associated with gender (p = 0.389) or HD (p = 0.079). However, when stratified by gender, the deep bite prevailed among male. The highest malocclusion trait’s prevalence was observed in the HDs of Cajuru, Pinheirinho, Boa Vista, and Cidade Industrial de Curitiba. Despite the absence of significant differences in relation to gender and HD, the prevalence of malocclusion traits in the sample studied was high, especially for deep bite. Additionally, georeferencing proved to be useful for identifying the distribution of malocclusion in Curitiba.
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 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».