Oral manifestations in young adults infected with COVID-19 and impact of smoking: a multi-country cross-sectional study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background Oral manifestations and lesions could adversely impact the quality of people’s lives. COVID-19 infection may interact with smoking and the impact on oral manifestations is yet to be discovered. Objectives The aim of this study was to assess the self-reported presence of oral lesions by COVID-19-infected young adults and the differences in the association between oral lesions and COVID-19 infection in smokers and non-smokers. Methods This cross-sectional multi-country study recruited 18-to-23-year-old adults. A validated questionnaire was used to collect data on COVID-19-infection status, smoking and the presence of oral lesions (dry mouth, change in taste, and others) using an online platform. Multi-level logistic regression was used to assess the associations between the oral lesions and COVID-19 infection; the modifying effect of smoking on the associations. Results Data was available from 5,342 respondents from 43 countries. Of these, 8.1% reported COVID-19-infection, 42.7% had oral manifestations and 12.3% were smokers. A significantly greater percentage of participants with COVID-19-infection reported dry mouth and change in taste than non-infected participants. Dry mouth (AOR=, 9=xxx) and changed taste (AOR=, 9=xxx) were associated with COVID-19- infection. The association between COVID-19-infection and dry mouth was stronger among smokers than non-smokers (AOR = 1.26 and 1.03, p = 0.09) while the association with change in taste was stronger among non-smokers (AOR = 1.22 and 1.13, p = 0.86). Conclusion Dry mouth and changed taste may be used as an indicator for COVID-19 infection in low COVID-19-testing environments. Smoking may modify the association between some oral lesions and COVID-19-infection.
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.
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) | 0,000 | 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 découle