Prevalence of Mucosal Lesions in People Consuming Chewable Tobacco in Hormozgan Province, Iran
Notice bibliographique
Résumé
Background: Tobacco has a high level of carcinogenic components. The maximum effect of the component is on the oral cavity and the location of tobacco. Quantitative studies were conducted according to the oral effect of tobacco usage by people of the south of Iran, specifically in Hormozgan province. In this experiment, the prevalence of oral lesions was studied in people who use tobacco in Hormozgan province in 2018. Materials and Methods: In this descriptive cross-sectional study, 395 patients were examined on oral lesions in Hormozgan province. Data were collected and described by a mean frequency table and then analyzed by an inferential statistical test such as the 2-dimensional chi-square test by SPSS, version 23 (P<0.05). Results: Experiments showed that 75.5% (299 from 395) of patients had mucosal lesions. The most lesions were tobacco pouch, wound, white plaque, and erythematic lesions. In addition, a significant correlation was found among parameters, including all mucosal lesions with time, all mucosal lesions with age (except wound), white plaque and erythematic mucosal lesions with smoking, tobacco pouch, and white plaque with alcohol use. However, no significant correlation was observed between oral mucosal lesions with a history of family oral lesions, tobacco pouch and wound with cigarette usage, and wound and erythematic lesions with alcohol use. Conclusion: Compared with other studies, oral mucosal lesions were highly prevalent in Hormozgan province. The possibility of oral mucosal lesions increases as one gets older; in addition, the duration of tobacco usage is a primary factor for the lesions.
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 | 0,001 | 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 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 ».