Discrimination and Oral Health Impact: Moderating Role of Sex and Sexuality
Notice bibliographique
Résumé
This study investigated whether sex assigned at birth and sexuality have a moderating role on the effect of discrimination on oral health impacts among adolescents. Using data from the Longitudinal Study of Australian Children, a sample representative of all Australian adolescents aged 14 to 15 y ( N = 2,905), we employed propensity score overlap weights to achieve covariate balance between participants exposed and unexposed to discrimination. Various forms of discrimination were examined: due to cultural background, due to mental health condition, due to sexual orientation, and due to sex assigned at birth. Oral health impact was assessed using the PedsQ Oral Health Scale. Poisson regression with robust variance was conducted including sex, sexual attraction, and discrimination as interaction terms. The sample included 1,407 females (49%) and 336 lesbian, gay, bisexual, and questioning (LGBQ) individuals (11%). More than 22% experienced at least 1 form of discrimination in the previous 6 mo. Findings from the overlap weighting analysis revealed that, in general, females had higher proportions of oral health impact compared with males, whereas sexually diverse youth tended to have worse oral health outcomes compared with non-LGBQ youth. A 2-fold higher prevalence rate of oral health impacts was found for sexually diverse females exposed to discrimination due to cultural background (95% confidence interval [CI]: 1.36–2.44) and due to mental health conditions (95% CI: 1.62–2.46). The largest effects of discrimination on oral health impacts were consistently observed among sexually diverse females. This novel study provides evidence on the moderating role of sex and sexuality in the relationship between discrimination and oral health among adolescents.
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 | 0,003 | 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 ».