Distribution pattern of enamel fluorosis severity: What is it telling us about local fluoride exposure?
Notice bibliographique
Résumé
Introduction and objective: dental fluorosis severity reflects fluoride exposure during dental enamel development. Recently, prenatal and postnatal exposure to fluoride has been associated with negative neurodevelopmental outcomes. The aim of this study was to describe and compare the severity and distribution pattern of dental fluorosis in the primary and permanent dentition, as a basis to discuss the timing and extent of fluoride exposure of children living in endemic areas of fluorosis in the department of Huila. Materials and methods: 840 children (preschoolers and schoolchildren) from four municipalities of the Huila Department were examined by trained dentists for dental fluorosis using the Thylstrup & Fejerskov Index. To estimate the prevalence of severities of fluorosis, each child was classified according to the most severe score. The distribution of the prevalence of enamel fluorosis severity by age-group and type of dentition were reported as prevalence rates (%). Results: Prevalence of dental fluorosis in preschoolers was of 97.2% and in schoolers of 99.9%. For both preschoolers and schoolers moderate fluorosis was the most prevalent (75.6% and 63.5%, respectively). For both primary and permanent teeth, mild fluorosis was more prevalent in anterior teeth than in posterior teeth. Moderate and severe fluorosis were more prevalent in posterior teeth than in anterior teeth. Conclusions: the distribution pattern of the severity of dental fluorosis suggests both prenatal and postnatal exposure to fluoride above recommended levels. This study raises the importance of the validation of dental fluorosis as a potential historical biomarker of fluoride exposure at moments that are critical for neurodevelopment.
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) | 0,002 | 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 ».