Exploring Dental Caries and Associated Factors in 3-Year-Old Iranian Children: An Application of Random Forest for Zero-Inflated Poisson Process
Notice bibliographique
Résumé
Background: Dental caries, caused by bacterial activity leading to tooth decay, has a profound impact on children's quality of life. This study aimed to investigate factors associated with dental caries in 3-year-old Iranian children. Methods: A cross-sectional study was conducted involving 815 three-year-old children who were referred to healthcare centers in the southern region of Tehran Province, Iran. Truncated random forest, traditional random forest, and a log-linear model were employed, utilizing the number of dental caries (including excess zeros) as the outcome variable. Predictors included sex, tooth brushing, dental flossing, sweet consumption, dental visits, and parental education level. Results: The log-linear model's rate ratio (RR) indicated that boys were more likely to have at least 1 decayed tooth compared to girls (RR, 1.11). Dental floss usage significantly reduced childhood dental caries (RR, 2.74). Variable importance analysis from 2 random forests identified dental floss usage, dental visits, and the father's educational level as the most impactful factors on childhood caries. Results based on mean squared error (MSE) demonstrated that the truncated random forest (MSE, 0.002) outperformed the log-linear model (MSE, 0.959) and exhibited similar performance to the traditional random forest model (MSE, 0.006). Conclusion: The truncated random forest model demonstrated superior performance compared to traditional random forest and log-linear models. From a clinical perspective, promoting knowledge and practices related to good oral health habits in parents and their children emerges as a crucial strategy for reducing the risk of childhood caries.
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 | 0,001 | 0,002 |
| 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 ».