Prevention and control of oral potentially malignant disorders
Notice bibliographique
Résumé
Abstract Oral cavity cancer accounts for approximately 4% of all malignancies and is a significant worldwide health problem. In Southeast Asia, oral cancer account for 40% of all cancers. It is the consensus of health promotion researchers that culturally specific (CS) interventions are important in addressing smoking-related health disparities. Equivocal evidence also exists for tobacco interventions that do not attend to culture specific characteristics, that is, traditional or non-CS interventions. Tobacco use is one of the major public health problems in the world, resulting in 5.4 million deaths every year. Over half of all tobacco consumed in India is smoked as bidi (Indian specific non-filtered cigarette) and about one-fourth of tobacco consumption is in smokeless form. Oral and pharyngeal cancer grouped together is the eighth most common cancer in the world. Two third of these cases occur in developing countries. Tobacco and alcohol are well known risk factors- attributable risk of 75%-95%. It is possible to prevent a substantial proportion of oral cancer even for patients who already have precancerous lesion. There is encouraging evidence from a large primary intervention trial in India that the chance of precancerous lesions and conditions undergoing malignant change is reduced if the patients can be persuaded to curtail their dependence on tobacco (Gupta et al 1992). High risk groups of the population can be identified. Type of screening could be a.Mass Screening b.High risk or selective screening c. Multiphasic screening (health questionnaire, clinical examination, measurements and investigations.) Patients should utilize dental services whatever available. It involves surgical intervention and reconstruction of the tissue destroyed. Based on Ottawa Charter (WHO 1986) there is a range of options for oral health promotion approach to oral cancer prevention. Success depends on political will, inter-sectoral action and culturally sensitive public health messages, disseminated through educational campaigns and mass media initiatives.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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 ».