Evaluation of oral health among people with multimorbidity in the marginalized population of Karachi, Pakistan: A multicenter cross-sectional study
Notice bibliographique
Résumé
Background: Oral health is linked to physical and mental well-being. Oral disease is common among poor and socioeconomically disadvantaged people in developing and industrialized countries Objectives: This study assessed the oral health disease burden among people with multimorbidity in marginalized populations. Methods: This cross-sectional study was conducted across 16 locations in the slums of Karachi, Pakistan, to assess oral health disease problems among adults aged 18 to 70 with comorbidity or multimorbidity. The questionnaire covered the socioethnic, demographic, and disease status of people with oral health status. Data analyses were performed using SAS version 9.4. Results: Of the 16 designated slum locations, 870 individuals were considered for oral health screening. Gingivitis was highly prevalent, 29% among slum dwellers with multimorbidity of diabetes, hepatitis, and hypertension. Dandasa was widely used as a tooth-cleansing agent in 35% of the study population. By contrast, 45.4% of people showed unsatisfactory oral hygiene conditions. Pathan ethnicity showed the highest prevalence (i.e., 29.8% of dental problems with disease multimorbidity in 26.8% of Baldia Town residents of Karachi). Of the 870 individuals, the highest frequency of dental problems was found in the age group of 18-38 years (28-42.9%) and among female participants (53.8%). Conclusion: There is an urgent need for the global enhancement of public health programs, specifically focusing on implementing effective strategies to prevent oral illnesses, promote oral health, and address other chronic diseases in basic healthcare settings. Enhancing oral health poses significant difficulties, especially in less developed nations.
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 | 0,010 | 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 | 0,000 | 0,000 |
| 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 ».