Journal of Population and Therapeutics and Clinical Pharmacology
Notice bibliographique
Résumé
Objectives: Culturally and linguistically diverse (CALD) communities experience widespread inequalities in dental care utilization. While, several studies have reported factors contributing to such inequalities, a synthesis of evidence is lacking for CALD carers. This review examined the barriers and facilitators to dental care utilization among CALD carers. Methods: Medline, CINAHL, ProQuest, Scopus and Web of Science were searched for dental utilization and related factors, without geographic limitations. An integrated mixed-method design was adopted, where both qualitative and quantitative findings were combined into a single synthesis. Critical appraisal was conducted using JBI tools, and a Universal Health Coverage (UHC) framework guided the synthesis approach. Reliability and researcher triangulation occurred throughout the conduct of this review. Results: A total of 20 papers were included: qualitative (n = 8), quantitative (n = 8) and mixed method (n = 4). Studies were from Australia, Canada, South Korea, Trinidad and Tobago, United Kingdom and the United States. Three studies insufficiently reported confounding variables and nine qualitative papers lacked philosophical perspectives. Affordability was the foremost barrier at the system level, followed by psychosocial negative provider experiences and language/communication issues at the provider level. Cultural, knowledge, attitudes and beliefs were individual-family level factors. Utilizing a UHC framework, the barriers and facilitators were aggregated at three levels; financial-system, provider and individual-family levels and illustrated in the rainbow model of CALD oral health. Conclusion: The review strengthens evidence for multilayered, system-related policies and culturally sensitive provision of services for reducing oral healthcare inequalities in CALD carers.
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 | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».