Adverse childhood experiences and dental cleaning during pregnancy: Findings from the North and South Dakota <scp>PRAMS</scp>, 2017–2021
Notice bibliographique
Résumé
OBJECTIVE: Research demonstrates that adverse childhood experiences (ACEs)-that is, experiences of abuse, neglect, and household dysfunction-are related to lower preventive dental care utilization in childhood and adolescence. However, limited research has explored the connection between ACEs and preventive dental care utilization in adulthood, and no research has examined this relationship during pregnancy. The current study extends existing research by investigating the relationship between ACEs and dental cleaning and dental care utilization during pregnancy among a sample of women who delivered live births in North Dakota and South Dakota. METHODS: Data are from the 2017 to 2021 Pregnancy Risk Assessment Monitoring System (PRAMS) in North Dakota and South Dakota (n = 7391). Multiple logistic regression is used to examine the relationship between the number of ACEs (0, 1, 2, 3 or 4 or more) and dental cleaning during pregnancy. RESULTS: Relative to respondents with 0 ACEs, those with 4 or more ACEs were significantly less likely to report having dental care during pregnancy (OR = 0.757, 95% CI = 0.638, 0.898). By racial and ethnic background, the results showed that the significant associations are concentrated among White and Native American respondents. CONCLUSIONS: The results suggest that exposure to 4 or more ACEs is associated with a significantly lower likelihood of dental cleaning during pregnancy among women who delivered a live birth in North Dakota and South Dakota. Further investigations are necessary to understand the mechanisms underlying the relationship between ACEs and dental cleaning during pregnancy and replicate the findings in other geographic contexts.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».