MétaCan
Menu
Retour à la cohorte
Enregistrement W4286717568 · doi:10.3389/fped.2022.725977

Addressing consequences of school closure on oral health care of children during COVID-19

2022· article· en· W4286717568 sur OpenAlexaff
Radhika Chhibber, Richa Shrivastava, Madhura Tandale

Notice bibliographique

RevueFrontiers in Pediatrics · 2022
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUniversité de MontréalMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineClosure (psychology)Oral healthOral hygieneGovernment (linguistics)Oral health careCoronavirus disease 2019 (COVID-19)Food insecurityNursingFamily medicineEnvironmental healthDentistryPolitical scienceDiseaseFood security

Résumé

récupéré en direct d'OpenAlex

School closures are known to result in impacts to nutrition and oral health in children1. Initial studies have found negative influences of school closures on dental care in children, particularly among the most vulnerable2. In the US, children in 2020 were 75% more likely to have poor oral health than in 20193, highlighting a cause for concern. In India, the closure of schools has resulted in food insecurity, as many have faced difficulties without access to school-based nutrition programs4. Recommendations are made to draw attention to the oral health and nutrition of school children. Teachers, researchers, dental professionals and the government all have a role to play in the recovery of oral hygiene and nutrition amongst school children, from providing support, information, understanding effects and offering funding for further research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,633

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,323
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PediatricsMême sujetChild Nutrition and Water AccessTravaux en français237 207