A multi-country study on the impact of sex and age on oral features of COVID-19 infection in adolescents and young adults
Notice bibliographique
Résumé
BACKGROUND: Oral diseases are features of COVID-19 infection. There is, however, little known about oral diseases associated with COVID-19 in adolescents and young adults (AYA). Therefore, the aim of this study was to assess oral lesions' association with COVID-19 infection in AYA; and to identify if sex and age will modify these associations. METHODOLOGY: Data was collected for this cross-sectional study between August 2020 and January 2021 from 11-to-23 years old participants in 43-countries using an electronic validated questionnaire developed in five languages. Data collected included information on the dependent variables (the presence of oral conditions- gingival inflammation, dry mouth, change in taste and oral ulcers), independent variable (COVID-19 infection) and confounders (age, sex, history of medical problems and parents' educational level). Multilevel binary logistic regression was used for analysis. RESULTS: Complete data were available for 7164 AYA, with 7.5% reporting a history of COVID-19 infection. A significantly higher percentage of participants with a history of COVID-19 infection than those without COVID-19 infection reported having dry mouth (10.6% vs 7.3%, AOR = 1.31) and taste changes (11.1% vs 2.7%, AOR = 4.11). There was a significant effect modification in the association between COVID-19 infection and the presence of dry mouth and change in taste by age and sex (P = 0.02 and < 0.001). CONCLUSION: COVID-19 infection was associated with dry mouth and change in taste among AYA and the strength of this association differed by age and sex. These oral conditions may help serve as an index for suspicion of COVID-19 infection in AYA.
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) | 0,000 | 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 ».