Experiences of Northern Ontario Nurse Educators in Adapting Teaching Methods
Notice bibliographique
Résumé
Oral health disparities continue to present a significant public health challenge for older adults in the United States, particularly among racial minority and low-income populations. Despite national discussions around healthcare equity, there remains limited empirical insight into how race and income influence dental service utilization among Medicare beneficiaries. In this quantitative, cross-sectional study, the extent to which these demographic factors predicted oral healthcare utilization, using nationally representative data from the 2021 Medicare Current Beneficiary Survey, was assessed. Guided by the social determinants of health framework, chi-square tests, binary logistic regression, and negative binomial regression were performed to analyze the data. Findings revealed that both race and income were significant predictors of whether older adults used dental care. Non-Hispanic Black beneficiaries had 49% lower odds of utilization compared to non-Hispanic White counterparts (OR = 0.51, p < .001), and those with household incomes below $25,000 had 70% lower odds of utilization compared to higher income adults (OR = 0.30, p < .001). Among utilizers, income remained significant, with higher income adults reporting more visits (Incidence Rate Ratio (IRR) = 1.37, p=.015), while race was not significant once access was established. These results highlight systemic inequities in access and underscore the need for policy reforms, such as expanding Medicare dental benefits and implementing culturally responsive outreach strategies, contributing to the evidence base needed to inform equitable health interventions for aging populations and promote positive social change.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 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 ».