Intersecting health burdens: oral health, non-communicable disease screening, and women's health in rural Tanzania
Notice bibliographique
Résumé
Introduction: This cross-sectional study explored the intersection of oral health, other non-communicable diseases (NCDs), and women's health in rural Tanzania, using community-based screenings to identify syndemic patterns of vulnerability and inform integrated care strategies. Methods: A total of 224 adult women were recruited during outreach events in three Rorya District villages of Burere, Nyambogo, and Roche in July 2023. Clinical oral examinations were conducted alongside biomarker analysis using the PerioMonitor™, as well as survey-based assessments, including the Oral Health-Related Quality of Life (OHRQoL) scale and the Hologic Global Women's Health Index (HGWI). A subsample of 45 participants underwent additional screening for blood pressure (BP) and blood glucose levels. Results: Only 18.2% of participants reported having received prior BP screening. The mean DMFT score was 5.16, and 40% of the sample showed elevated periodontal inflammation. The average OHRQoL score was 11.15, indicating substantial functional and psychosocial impacts. Among those screened further, 49% were hypertensive, 2% were hyperglycemic, and 18% were hypoglycemic, most without a prior diagnosis. Conclusions: Community-based screening proved both feasible and impactful, uncovering overlapping burdens of untreated oral disease, metabolic dysregulation, and unmet preventive care. These findings reflect the structural and clinical dimensions of oral health inequity and align with syndemic theory, underscoring the need for integrated, gender-responsive, and culturally grounded interventions. They also offer a foundation for scalable, sustainable models of care in low-resource settings.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».