Determinants of Oral Health-Related Quality of Life in Children With Neurological Disorders: An Interdisciplinary Study
Notice bibliographique
Résumé
Background: Oral health-related quality of life (OHRQoL) is often compromised in children with neurological disorders, yet limited evidence exists on the contributing clinical and socioeconomic factors. Methods: A cross-sectional study was conducted among 132 children aged 6 - 14 years attending public neurology clinics. Parents or caregivers completed the validated Parental-Caregiver Perceptions Questionnaire (P-CPQ) and provided sociodemographic and health-related data. Results: Most respondents were mothers (76.5%). High rates of bullying (78.6%) and dental caries (71%) were reported. Common diagnoses included epilepsy (49.2%), autism spectrum disorder (ASD) (30.3%), and attention deficit hyperactivity disorder (ADHD) (26.5%). Poor OHRQoL was significantly associated with caregiver type (P = 0.046), low family income (P = 0.014), and living with relatives (P = 0.008). Functional limitations were the strongest OHRQoL domain (r = 0.780; P < 0.001). Children with cerebral palsy and oppositional defiant disorder (ODD) exhibited the worst OHRQoL (P = 0.008). Although only 6.8% used orthodontic appliances, their presence negatively impacted OHRQoL. Conclusions: Pediatric patients from lower-income families or non-parental households are at increased risk for impaired OHRQoL, especially those with cerebral palsy or ODD. Functional limitations, bullying, and untreated dental caries are key targets for clinical intervention in this vulnerable population.
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 | 0,002 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».