HUBUNGAN TINGKAT KEPARAHAN KARIES TERHADAP KEJADIAN MALOKLUSI PADA ANAK SEKOLAH DASAR
Notice bibliographique
Résumé
Latar Belakang: Maloklusi masih menjadi permasalahan gigi dan mulut di Indonesia, dengan angka masalah sebesar 80%. Jenis maloklusi yang paling sering ditemui yaitu gigi berjejal. Salah satu faktor penyebab terjadinya maloklusi adalah karies gigi. Masalah karies masih menjadi perhatian di Kalimantan Selatan, dengan prevalensi sebesar 46,9%. Kejadian karies banyak dialami pada periode gigi bercampur, yang rentan terhadap masalah kesehatan gigi dan mulut. Karies yang tidak dirawat akan mempengaruhi kestabilan oklusi normal gigi-geligi sehingga terjadinya maloklusi. Keadaan tersebut dapat menyebabkan suatu keparahan pada gigi permanen jika tidak segera dilakukan perawatan. Tujuan: Menganalisis hubungan tingkat keparahan karies terhadap kejadian maloklusi pada siswa SDN 1 Banua Hanyar di kecamatan Pandawan kabupaten Hulu Sungai Tengah. Metode: Penelitian ini menggunakan metode observasional analitik dengan pendekatan cross-sectional serta analisis data menggunakan uji korelasi Spearman. Jumlah responden adalah sebanyak 39 orang. Hasil: Tingkat keparahan karies berada pada kategori sedang, dengan rata-rata DMF-T sebesar 2,7. Kejadian maloklusi berdasarkan pengukuran Occlusal Index didapatkan kategori maloklusi sedang yang perlu perawatan minor. Hasil uji korelasi Spearman didapatkan nilai signifikansi sebesar 0,831 (>0,05). Kesimpulan: Tidak terdapat hubungan yang signifikan antara keparahan karies terhadap kejadian maloklusi pada siswa SDN 1 Banua Hanyar Kecamatan Pandawan Hulu Sungai Tengah. Kata kunci: Gigi Bercampur, Karies, Maloklusi, Occlusal Index.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,003 |
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 ».