ORAL MALODOUR: AN INDICATOR OF ORAL NEGLECT AND POOR SELF-ESTEEM AMONG SLUM DWELLING CHILDREN IN NIGERIA
Notice bibliographique
Résumé
Objective: Oral malodour, an inadequately studied disease in children, is the third most prevalent reason for dental consultations, with negative impacts on psychosocial health. This study assessed self-rated and normatively assessed oral malodour and its impact on quality of life among a cohort of slum dwelling children in Lagos, Nigeria. Method: This descriptive survey was conducted among slum dwelling children in Lagos State, Nigeria. A multi-stage sampling method was utilized to select participants for the study. The Organoleptic test was utilized by two calibrated dentists to assess oral malodour. The Self-Reported Scale for Oral Health (SOHO) and the Rosenberg Self-Esteem Scale (RSE) were used to assess quality of life and self-esteem. Regression analysis was done using sociodemographic, clinical, self-esteem and QOL variables as the predictor variables to identify their strength of association with oral malodour. The probability level of p<0.05 was considered significant. Results: Majority of the 427 respondents were aged between 10-14 years of age (67%), and were females (54.4%). Thirty four percent of the respondents self-rated themselves as having oral malodour; Normatively, 22.6% of the respondents had oral malodour. There was a significant association between OHRQOL (aOR: 2.724; CI: 1.563-4.932), gingival inflammation (aOR: 2.402; CI: 1.417-4.078), self-esteem (aOR: 2.546; CI :2.015-5.246), self-rated oral malodour (aOR: 3.846; CI: 2.118-8.571), parental education (aOR: 1.483; CI: 1.034-1.940), history of dental visit (aOR: 8.375; CI: 2.435-28.810), reason for dental visit (aOR: 2.224; CI: 0.932-5.310), and number of children in in the family (aOR: 1.106; CI: 1.010-1.212), with oral malodour. Conclusion: Oral malodour was significantly associated with low self-esteem, poor OHRQOL poor oral health and dental attendance pattern. The oral health of slum dwelling children needs to be seen by policymakers as an important predictor of their mental health and wellbeing.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».