The relationship and affecting factors between oral health and frailty in the older people: A cross‐sectional study
Notice bibliographique
Résumé
OBJECTIVE: To investigate the connection between oral health and frailty in older people and to determine the affecting factors. DESIGN: The research was a community-based cross-sectional study. SAMPLE: A Family Health Center conducted a study on 321 older people. MEASUREMENTS: Data were collected face-to-face using the Personal Information Form, Geriatric Oral Health Assessment Index, and Edmonton Frailty Scale. Factors affecting oral health and frailty were examined using the MANOVA test and the relationship between them was examined using Pearson's correlation test. RESULTS: It was determined that 52.6% of the participants had poor oral health and 56.1% had different levels of frailty. Education was effective on the Geriatric Oral Health Assessment Index scale score. The presence of chronic disease, frequency of tooth/denture brushing, age, education, and sex were effective on the Edmonton Frailty Scale. When the partial eta square values were examined, it was determined that the variable that had the highest impact on the GOHAI and EFS scale scores was educational status. It was determined that there was a significant negative relationship between participants' oral health and frailty scores (r = -0.539, p < .001). CONCLUSIONS: It was determined that more than half of the older individuals included in the study had poor subjective oral health and varying levels of frailty. The influencing factors were determined through multivariate advanced analysis. This relationship and affecting factors are important in providing appropriate early detection and care to older people.
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 | 0,005 | 0,001 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».