Socioeconomic inequalities in the association between secondhand smoke exposure and tooth loss in Brazil
Notice bibliographique
Résumé
ObjectiveTo determine if (a) secondhand smoke (SHS) exposure is associated with tooth loss and (b) such a relationship is modified by socioeconomic position (SEP).MethodsData were from the 2019 Brazilian National Health Survey. Zero-inflated negative binomial regression and binary logistic regression were employed to examine the association between monthly exposure to SHS at home or at work with extent of teeth lost and lack of functional dentition (FD), respectively. Effect Measure Modification (EMM) analyses and the simple slope test explored whether the association varied with levels of education, wealth, and income.ResultsThe sample comprised 53,295 never smoker adults. Those exposed to SHS had 4% (95% CI: 1.01; 1.07) more lost teeth, were 19% (95% CI: 0.72; 0.92) more likely to have lost teeth, and were 25% (95% CI: 1.06; 1.47) more likely to lack a FD. A super-additive association was found when comparing participants exposed to SHS with incomplete elementary school and those unexposed to SHS with complete higher education (relative excess risk due to interaction of 0.97 [95% CI: 0.45; 1.49]). Such an EMM was less noticeable when examining other SEP measures.ConclusionSHS exposure was consistently associated with tooth loss; however, there appear to be key differences according to education levels.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».