Children’s access to dental care during the COVID-19 pandemic: a multi-country survey
Notice bibliographique
Résumé
We assessed the impact of COVID-19 on children’s access to dental care and determine factors associated with problems in accessing dental care. A multi-country cross-sectional survey collected data from caregivers of children from August 2020 to February 2021. The questionnaire was developed guided by the framework of the Andersen’s model of factors (predisposing, enabling and need). Multilevel logistic regression was used to assess the association between access-to-dental care problem and predisposing, enabling and need factors. A total of 4,843 caregivers from 20-countries reported on their children (52.3% males, mean age = 8.4 years) with 29.2% having access to care problem. A significantly greater percentage of caregivers from lower-middle-income countries (LMICs) than low-income countries (LICs), upper-middle-income countries (UMICs) and high-income countries (HICs) reported an access-to-dental care problem (P < .001). Caregivers living in LICS, university-educated caregivers, caregivers with older children and caregivers whose children had more frequent pain during the pandemic had higher odds of reporting an access to dental care problem. The association of the access problem with dental pain and dental insurance was modified by country income, showing a link between macrolevel contextual factors and the utilization of dental care in children that needs to be addressed in future studies.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».