The association between the number of teeth and frailty among older adults: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Tooth loss is common among the elderly and often correlates with aging. Existing studies on the link between tooth loss and frailty in older adults yield inconsistent results. This systematic review and meta-analysis aims to clarify the relationship. METHODS: A comprehensive search of PubMed, Web of Science, Embase, and Cochrane Library was conducted to find observational studies on tooth count and frailty in older adults. Study quality was assessed using the Newcastle-Ottawa scale. Heterogeneity was evaluated using Cochran's Q and I² statistics, and subgroup analyses identified factors influencing outcomes. Publication bias and sensitivity analysis confirmed result stability. RESULTS: From 1,903 articles, 22 comprising 25 studies with 36,406 participants were included. The meta-analysis showed a pooled odds ratio (OR) of 0.98 (95% CI: 0.97 - 0.99) for tooth count and frailty. Individuals with 20 or fewer teeth had a higher risk of frailty (pooled OR = 1.99, 95% CI: 1.57 - 2.53). The highest frailty risk was observed in Japan (pooled OR = 3.02), followed by China (2.27), the UK and USA (1.90), and other regions (1.25). Subgroup analyses revealed no significant differences by country, study design, setting, adjustment model, or frailty assessment tool (P > 0.05). CONCLUSIONS: There is a significant association between tooth count and frailty, particularly in those with 20 or fewer teeth. Policymakers should prioritize oral health within aging populations by promoting early preventive care and education to mitigate frailty risk. Robust, large-scale studies are needed to guide evidence-based interventions and public health policy.
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 | 0,009 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».