Analysis of the association between racial inequities and edentulism in Brazil: a systematic review and meta-analysis
Notice bibliographique
Résumé
This study aimed to evaluate whether individuals who self-identify as black and/or mixed-race have a higher prevalence of tooth loss compared to white individuals in Brazil, using a systematic review and meta-analysis. Searches were conducted in the PubMed, Scopus, Web of Science, Virtual Health Library, Embase, and gray literature databases. Two independent reviewers performed the searches and article selection processes. The Newcastle-Ottawa Scale was used for observational cohort studies, and its modified version was used for cross-sectional studies. The I2 statistic assessed the heterogeneity of studies included in the meta-analyses. Of the 25 articles eligible for qualitative evaluation, 17 were included in the quantitative assessment. Sample sizes ranged from 101 to 18,718 individuals aged 11 to 74 years. Most studies compared white individuals to non-white individuals (black, mixed-race, Asian, and Indigenous people). In the comparison between white and non-white individuals, no differences were found concerning edentulism (OR = 0.86; 95%CI: 0.71; 1.06), absence of functional dentition (OR = 0.82; 95%CI: 0.33; 2.03), or mean number of missing teeth (MD = -0.21; 95%CI: -2.92; 2.49), but it was associated with tooth loss (OR = 1.40; 95%CI: 1.26; 1.55). When comparing black/mixed-race people to white individuals, tooth loss was higher among those who self-identified as black/mixed-race (OR = 1.41; 95%CI: 1.27; 1.57). This difference was also observed when comparing black/mixed-race individuals to other races/skin color (OR = 1.24; 95%CI: 1.15; 1.33). Overall, studies conducted in Brazil found that tooth loss was more prevalent among self-declared black and/or mixed-race individuals.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,002 |
| Bibliométrie | 0,001 | 0,005 |
| 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 | 0,001 | 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 ».