The use of general anesthesia for dental treatment of children with special healthcare needs in Alberta, Canada
Notice bibliographique
Résumé
BACKGROUND: Children with special healthcare needs (SHCN) often require specialized interventions due to their disabilities. Dental general anesthesia (DGA) is a treatment modality, which improves their access to care but concerns about repeated DGAs persist. AIM: This study investigated DGA utilization in children with SHCN and identified factors associated with multiple DGAs in Alberta, Canada (2010-2020). DESIGN: This retrospective population-based study used administrative data encompassing all children (<18 years) undergoing DGA in publicly funded facilities. Children were identified as SHCN based on their diagnosis codes and categorized into behavioral/psychiatric disorders, mental/intellectual disabilities, physical disabilities, systemic conditions, syndromes/congenital anomalies, physical-mental disabilities, and disabilities with medical conditions. RESULTS: This study analyzed 3884 DGA visits for children with SHCN, predominantly males aged 6-11 and from low-income families. Mental/intellectual disabilities were prevalent (31.8%), and autism was the leading disease. Caries was the primary dental diagnosis across all groups, whereas pulp problems were higher in psychiatric/behavioral disorders (23.6%), and periodontal problems were more common in physical-mental disabilities (13.2%). 28.7% had multiple DGAs, with younger age, disabilities with medical conditions, mental/intellectual disabilities, and initial pulp treatments, increasing the likelihood of multiple DGAs. CONCLUSION: This study highlights the importance of individualized prevention and less conservative treatments for younger children to reduce oral health disparities.
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 | 0,000 |
| 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 ».