The first 1,000 days of life and early childhood caries: closing the global data gap
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The first 1,000 days of life represent a critical window for preventing Early Childhood Caries (ECC). However, a significant global data gap obscures the true scale of ECC within this critical period. This review aims to systematically examine the global availability of ECC data for children under 36 months, discuss age-specific prevalence trends, and synthesize evidence to highlight the implications of missing data. A comprehensive analysis of a global dataset reporting ECC prevalence across 193 United Nations member states (2007-2017) was conducted. Analysis of the data was organized by the World Health Organization Region. The analysis revealed a profound data gap: 73.6% of countries had no data for children under 36 months, and only 19.7% had current data. Where data existed, rates approach or exceed 50% in some countries (e.g., Egypt: 69.6%, Mongolia: 47.5%), indicating that ECC is often well-established in the first 1,000 days of life. Significant regional disparities were identified, with the highest burden in the European Region, the Eastern Mediterranean Region, and the Western Pacific Region. Even within regions, there are extreme disparities in prevalence between countries (e.g., Kuwait at 3.0% vs. Egypt at 69.6% in the Middle East; Finland at 0.3% vs. Kazakhstan at 45.0% in Europe). The scarcity of data and high prevalence rates highlight a public oral health problem in infancy. Closing this global data gap is an essential first step to mobilize resources and implement targeted, effective prevention strategies where we can have the greatest impact.
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.
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle