Quantifying Fluoridation Exposure Over Time in Alberta, Canada: Challenges and Implications for Dental Public Health Surveillance.
Notice bibliographique
Résumé
BACKGROUND: Community water fluoridation is one component of a multifactorial approach to preventing dental caries. Yet, fluoridation monitoring in Canada has historically been fragmented, and recent national estimates give little indication of trends at the provincial or municipal levels. We aimed to quantify fluoridation exposure trends in Alberta from 1950 to 2018 at both the population and municipal levels. Insights have implications for dental public health surveillance. METHODS: Drawing from various public sources, we compiled a list of all Alberta municipalities, noting type of municipality and annual population count from 1950 to 2018. We recorded fluoridation status (excluding naturally occurring fluoride) by year for each municipality, based on the start and end (if ever) dates. We calculated annual fluoridation exposure at the population level (% of Alberta population exposed) and the municipality level (number of municipalities exposed) to visually assess trends over time. RESULTS: Population exposure to fluoridation in Alberta generally increased from 1950 to 2010. A sharp drop occurred in 2011, after which exposure fluctuated at around 43-45%. Municipality exposure generally increased from 1958 to 2006 and from 2012 to 2018, except for small declines during 2007-2008 and 2010-2011. Challenges concerning data completeness were considerable. CONCLUSION: Our findings illuminate the substantial variation in fluoridation exposure of Albertans over time, and they elucidate the complexities of estimating such exposure. They speak to the value of centralized fluoridation monitoring mechanisms as a key part of dental public health surveillance infrastructure.
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 ».