Sub-Optimal Oral Health, Multimorbidity and Access to Dental Care
Notice bibliographique
Résumé
ABSTRACT INTRODUCTION Emerging research on the links between sub-optimal oral health and multimorbidity (MM), or the co-existence of multiple chronic conditions, has raised queries on whether enhancing access to dental care may mitigate the MM burden, especially in older age. Here, we aim to assess the association between sub-optimal oral health and MM and whether access to dental care can mitigate the risk of MM in individuals with sub-optimal oral health. METHODS We conducted a cross-sectional analysis using data from the Canadian Longitudinal Study on Aging (CLSA) (n=44,815, 45-84 years old). Edentulism, self-reported oral health (SROH), and other oral health problems (e.g., toothache, bleeding gums), were each used as indicators of sub-optimal oral health. MM was defined according to the Public Health Agency of Canada as having 2 or more chronic conditions out of cancer, cardiovascular diseases, chronic respiratory diseases, diabetes, and mental illnesses. Variables for access to dental care included the number of dental visits within the last year, dental insurance status, and cost barriers to dental care. We constructed multivariable step-wise logistic regression models and interaction terms with 95% confidence intervals and estimated prevalence ratio (PR) to assess the associations of interest, adjusting for a priori determined sociodemographic and behavioural factors. RESULTS Each of the sub-optimal oral health indicators were significantly associated with MM (edentulism PR=1.48, 95%CI 1.31, 1.68; poor SROH PR=1.81, 95%CI 1.62, 2.01; other oral health problems PR = 1.91, 95%CI 1.78, 2.06). The magnitude of this association was exacerbated in individuals who lacked dental insurance, could not afford dental care, and those who reported fewer dental visits within the last year. CONCLUSION The association between sub-optimal oral health and MM may be exacerbated by the lack of access to dental care. Policies aiming to enhance access to dental care may help mitigate the risk of MM.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».