Physical intimate partner violence and prenatal oral health experiences in the United States
Notice bibliographique
Résumé
BACKGROUND: Intimate partner violence (IPV) is a significant public health issue, and when experienced during pregnancy, IPV substantially harms maternal health. Still, limited research has examined how IPV may influence prenatal oral health and dental care utilization. This study investigates the relationship between IPV during pregnancy and women's oral health experiences. DATA: Data are from 31 states from 2016-2019 in the United States that participated in the Pregnancy Risk Assessment Monitoring System (N = 85,289)-a population-based surveillance system of live births conducted annually by the Centers for Disease Control and Prevention and state health departments. Multivariable logistic regression analyses were used to examine the association between physical IPV during pregnancy (measured by being pushed, hit, slapped, kicked, choked, or physically hurt any other way by a current or ex-husband/partner) and various oral health experiences. FINDINGS: Women who experienced prenatal physical IPV reported worse oral health experiences during pregnancy, including being more likely to report not knowing it was important to care for their teeth, not talking about dental health with a provider, needing to see a dentist for a problem, going to see a dentist for a problem, as well as having more unmet dental care needs. CONCLUSIONS: Together, these findings indicate that women who experience physical IPV during pregnancy have lower knowledge of prenatal oral health care, more oral health problems, and greater unmet dental care needs. Given the risk of IPV and oral health problems for maternal and infant health, the study findings point to greater attention toward the oral health needs of IPV-exposed pregnant women.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».