Mapping Oral Health and Tobacco Risk Profiles Among Incarcerated Populations in a Central Prison of Navi Mumbai Using a Novel TRACE Framework—A Cross-Sectional Study
Notice bibliographique
Résumé
OBJECTIVES: Tobacco-related habits, including both smoked and smokeless forms, remain a public health concern among incarcerated populations, where stress, stigma, and limited healthcare access contribute to high prevalence rates. This cross-sectional study was conducted among inmates in a central prison in Navi Mumbai, India and aimed to evaluate tobacco-use patterns, cessation motivation, and oral health outcomes among prison inmates in Navi Mumbai. METHODS: A total population sampling technique was employed, which included 3321 out of 3333 inmates with varying durations of incarceration. Data were collected using a novel TRACE (Tobacco Use, Risk Factors, Assessment, Cessation, and Effects through Epidemiology) framework, incorporating the MTSS (Motivation to Stop Scale) and clinical assessments using the DMFT (Decayed, Missing, and Filled Teeth) index and OHI-S (Oral Hygiene Index-Simplified). Statistical analysis was performed using SPSS version 21 to explore associations between tobacco use and oral health outcomes in this vulnerable population. RESULTS: < 0.001). Oral mucosal lesions were observed in 2.6% of inmates. While 76.3% of tobacco users expressed willingness to quit, access to cessation support remained minimal. CONCLUSION: These findings underscore the need for targeted interventions, such as in-house tobacco cessation programs and oral health services, in correctional facilities. Integrating cessation counseling into prison healthcare policies could improve outcomes among incarcerated populations.
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 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».