Reasons for not seeking early dental care in patients presenting in the exodontia department at a Tertiary Care Hospital in Lahore, Pakistan.
Notice bibliographique
Résumé
Objective: The aim was to gain insight on patient factors and administrative shortcomings in the dental health department that prevent patients from seeking timely dental care. Study Design: Cross Sectional Survey. Setting: Punjab Dental Hospital, Lahore, Pakistan. Period: 7 January 2020 to 28 February 2020. Material & Methods: A structured close ended questionnaire was filled by information obtained from 400 patients that presented in the Exodontia OPD requiring extractions due to irreversible tooth damage. The data was collected from 244 (61%) females and 156 (39%) males. It was analyzed using SPSS version 20.0 and post stratification chi-square test was applied to see the significance of all comparative statistics. P value of <0.05 was taken as significant. Results: Out of 400 patients, 350 had not visited a dentist when the symptoms first appeared. Of these n=213 (60.86%) were females and n=137 (39.14%) were males. Majority of the patients were in the age range of 40-65 years and belonged to the low socioeconomic class n=213 (60.9%). The main causes of patients presenting now were pain and swelling. The major reasons reported for delayed visit were: “Self-medication” n=113 (24.57%),” Symptoms will resolve on their own” n=79 (17.17%),” No awareness” n=64 (13.91%),” Non serious and lazy attitude” n=39 (8.48%) and “Busy schedule” n=36 (7.83%). Conclusion: Our findings suggested that only a small proportion of people visited the dentist when the symptoms first appeared. Most of the patients ignored their symptoms to such an extent that the only possible treatment that could be offered was extraction of the concerned tooth. There was a general misconception that dental diseases are not very serious and can be resolved by over the counter medications. Thus, more dental awareness programs should be incorporated in the government health policy to increase focus on oral health.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».