marginale
Abstract
sfondo
Per analizzare il normale comportamento di cura dentale e la prevalenza di edentulia in danesi adulti, riportati in sequenziale trasversale sondaggi di salute orale per l'applicazione di un approccio marginale, da considerare il possibile effetto di clustering di coorti di nascita.
Metodi
dati da quattro studi trasversali sequenziali dei danesi non istituzionalizzati condotto 1975-2005 comprende 4330 intervistati di età compresa tra 15 + sono stati analizzati anni in 9 coorti di nascita. Le variabili chiave dello studio erano alla ricerca di cure dentistiche su base annua (ADC) e edentulia. Per l'analisi di ADC, anno dell'indagine, età, sesso, status socio-economico (SES) di gruppo, protesi resistente, e la scuola cure dentistiche (DSC) durante l'infanzia sono stati considerati. Per l'analisi di edentulia, sono stati inclusi solo intervistati di età compresa 35+ anni. anno Survey, età, sesso, gruppo SES, ADC, e DSC durante l'infanzia sono stati considerati come i fattori indipendenti. Per prendere in considerazione l'effetto di clustering di coorti di nascita, regressioni logistiche marginali con una struttura di correlazione indipendente di equazioni di stima generalizzate (GEE) sono state effettuate prove, PROC GENMOD nel software SAS.
Risultati
La percentuale complessiva delle persone in cerca di ADC è aumentata dal 58,8% nel 1975-86,7% nel 2005, mentre per gli intervistati di età compresa tra 35 anni o più anziani, la prevalenza complessiva di edentulia (35+ anni) è diminuita dal 36,4% nel 1975 al 5,0% nel 2005. le femmine, intervistati in alto gruppo SES, in anni di indagine più recenti, senza protesi, e la ricezione di DSC in tutti i gradi durante l'infanzia sono stati associati con una maggiore probabilità di cercare ADC regolarmente (P
& lt; 0,05). L'interazione di DSC e l'età (P
& lt; 0,0001) è stato significativo. Le probabilità di cercare ADC erano ancora più elevata tra i soggetti con DSC in tutti i gradi e di età compresa tra 45 anni o più. Di sesso femminile, età avanzata, hanno risposto a precedenti anni di indagine, non cerca ADC, più bassa del gruppo SES, e non ricevendo DSC in tutti i gradi sono stati associati con una maggiore probabilità di essere edentuli (P Hotel & lt; 0,05).
Conclusioni
Con l'uso del GEE, il potenziale effetto di clustering di coorti di nascita in dati di rilievo salute orale sequenziali sezione trasversale potrebbe essere opportunamente considerato. Il successo della politica di salute dentale danese è stato dimostrato da un continuo aumento di regolari abitudini visita dentale e ritenzione dei denti negli adulti, perché la scuola cure odontoiatriche è stata fornita per i danesi nella loro infanzia.
Materiale supplementare elettronica
La versione online di questo articolo (doi:. 10 1186 /1472-6831-11-9) contiene materiale supplementare, che è disponibile per gli utenti autorizzati
Sfondo
Età, Periodo, e gli effetti di coorte
La necessità di population-. a base di studi epidemiologici per via orale è stata a lungo sostenuto per determinare la salute orale o il comportamento di una popolazione, fissare obiettivi per il futuro, e per pianificare i servizi di salute orale in modo appropriato [1]. Inoltre, è importante studiare i cambiamenti nella salute orale (tendenze di salute orale) se il sistema di erogazione di assistenza sanitaria per via orale deve essere adattato per servire al meglio le esigenze della popolazione [2]. Età, Periodo, e coorte analisi (APC) è stato utilizzato da epidemiologi per identificare e interpretare i cambiamenti temporali caratteristiche di salute o comportamenti nella ricerca medica e odontoiatrica [3-10]. I modelli di classificazione multipla APC intendono valutare le influenze nette di età, periodo, o di coorte sugli esiti di interesse [3, 11-16]. effetti età (A) rappresentano la variazione associata a diversi gruppi di età causata da cambiamenti biologici, fisiologici e comportamentali, l'accumulo di esperienza sociale, e il ruolo dei cambiamenti di stato e gli eventi associati alla crescita e l'invecchiamento [6, 7, 17] . L'invecchiamento può portare ad una diminuzione della capacità fisica e la capacità funzionale, come ad esempio un accumulo di problemi di salute orale come la carie e malattie parodontali [6, 7], che possono finalmente influenzare la conservazione dei denti e anche la probabilità che il singolo essere edentula. effetti Periodo (P) rappresentano le variazioni più periodi di tempo che interessano tutte le età contemporaneamente in un certo periodo storico del tempo, spesso derivante da variazioni ambienti sociali, culturali, economici, tecnologici o fisici [7, 17], come i cambiamenti di politiche di salute orale o variazioni del reddito che influenzano la capacità dell'individuo di permettersi le cure dentistiche, e, soprattutto, i progressi della tecnologia, che porta alla ampia disponibilità di agenti di prevenzione e trattamenti efficaci. effetti di coorte rappresentano la variazione tra i diversi (la nascita) coorti causate da differenti esperienze formative a lungo termine, quali le differenze storiche in ambienti sociali, economici e fisici, i progressi tecnologici e cambiamenti delle politiche governative degli anni precedenti [7, 12, 17 , 18].
per le tendenze in materia di salute o di comportamento orale per essere identificato e interpretato, è importante che le influenze netti di età, periodo, o di coorte essere determinati. Ad esempio, i cambiamenti nell'utilizzo dei servizi dentali nel corso del tempo possono essere correlati a crescenti problemi di salute orale a causa di invecchiamento. Tuttavia, i fattori d'epoca, come il crescente rapporto di dentista /popolazione, potrebbero svolgere un ruolo importante e simultanea. fattori coorte di nascita, come ad esempio l'introduzione di cura dentale libera durante gli anni di scuola, potrebbero influenzare il comportamento degli individui durante la giovinezza e l'età adulta
. convenzionale Età, Periodo, e l'analisi di coorte
approcci statistici convenzionali si sono concentrati sui dati di modellazione a il livello di popolazione, con tavoli di coorte (tabelle età-by-periodo) delle tariffe (in particolare i tassi vitali), e si sono basate principalmente sul modello log-lineare o un modello lineare per le tariffe di registro [18]. I set di dati utilizzati nelle analisi convenzionali APC inclusi principalmente informazioni su età e il periodo, o, in aggiunta, il genere. Altri possibili variabili importanti, come lo status socio-economico sono stati generalmente assente nel set di dati. Questo fenomeno è stato attribuito al fatto che i set di dati adottate erano le statistiche fondamentalmente vitali forniti per lo più da parte dei servizi di statistiche o dalle autorità ospedaliere. Nell'analisi convenzionale APC, il problema di identificazione (a volte noto anche come il 'problema identificabilità') inerente le dipendenze lineari tra età, periodo e coorte (età = Periodo - Cohort) Va notato. Ciò significa che se l'anno dell'indagine (periodo) e anno di nascita (coorte) delle persone sono entrambi noti, quindi l'età della coorte di nascita alla realizzazione dell'indagine (età) è inequivocabilmente fissato. Così, i risultanti stime dei coefficienti di regressione non sono unici e non possono essere utilizzati per l'inferenza statistica [19].
Negli ultimi 30 anni, vari metodi sono stati applicati per risolvere questo problema di identificazione. Tra questi approcci, vincoli sono stati suggeriti da imporre uno qualsiasi dei tre variabili APC senza influenzare il quadro teorico sottostante [13]. Ad esempio, due o più fasce di età possono essere combinati in un unico gruppo. Tuttavia, diverse scelte di vincolo potrebbe provocare diversi effetti APC stima [20]. Pertanto, è importante che il vincolo particolare scelto sia supportato da argomenti teorici precedenti o informazioni empiriche. Sostituzione dei concetti di età, periodo e coorte dai loro concetti di base è stato anche suggerito [21]. Un esempio di questa strategia è l'uso di un test psicologico adeguato, anziché dell'età in generale, per rappresentare sviluppo intellettuale [22]. Questa strategia può risolvere il problema di identificazione e di fornire più facile interpretazione del Age, Periodo, e gli effetti di coorte, dal momento che i concetti in questione possono essere misurate direttamente anziché attraverso una variabile proxy. Se una delle variabili APC potrebbe essere misurata in termini di variabile sottostante, la dipendenza lineare tra le variabili APC sarebbe scomparso. Molti studi hanno già esaminato e confrontato diversi approcci [18, 20, 22, 23], ma in sintesi, ci sono ancora una procedure standard per affrontare il problema di identificazione.
Età, Periodo, e l'analisi di coorte in odontoiatria
Anche se l'analisi APC è stato utilizzato da epidemiologi per identificare e interpretare i cambiamenti temporali caratteristiche di salute orale o comportamenti nel campo della ricerca dentale [3-10], erano prevalentemente descrittiva, sotto forma di tabelle o grafici [4-6, 8, 10 ]. Ad esempio, Holst e Schuller [6] e Ahacic e Thorslund [10] hanno adottato un approccio descrittivo sui cambiamenti di salute orale [24], mentre Schwarz [4] e Sanders et al.
[8] adottata regressioni distinte per anno e dati età-standardizzato descrittivi rispettivamente l'anno e di coorte,, per descrivere gli effetti sul comportamento APC salute orale. Solo pochi studi, come Bravo [7], hanno seguito la strategia proposta da Clayton e Schifflers [20, 25] per analizzare gli effetti sulla APC l'utilizzo del servizio odontoiatrico oltre 10 anni a livello di popolazione. Tuttavia, lo studio di Bravo [7] ha rivelato un ulteriore rischio di analisi convenzionale APC a livello di popolazione: che molti altri fattori associati con la domanda dentale sono state ignorate nell'analisi (come la scuola cura dentale durante l'infanzia, lo status socio-economico, protesi resistente e così via).
consigliata analisi Age, il periodo e coorte di dati di indagine sequenziali trasversali
Idealmente, i set di dati longitudinali devono essere raccolti e analizzati se l'analisi APC deve essere applicato a livello individuale. In realtà, tuttavia, sono stati condotti pochi studi longitudinali ai fini dell'analisi APC [26, 27] nella ricerca dentale. Invece, dati trasversali sequenziale attraverso indagini sulla popolazione ripetute possono essere stati raccolti e utilizzati per l'analisi APC [4, 6, 7]. Inoltre, a sezione trasversale sondaggio campione di ricerca rendimenti di progettazione altri fattori a livello individuale, oltre l'età, periodo e coorte, che sono anche associati con le variabili di interesse. Questo fornisce informazioni aggiuntive a livello individuale per lo sviluppo di analisi alternativa APC. La sfida per l'analisi APC nei dati dell'indagine sequenziale trasversale è che i modelli di regressione convenzionali non hanno preso in considerazione la possibilità che gli individui sono raggruppati nella stessa coorte di nascita intervistati in diversi anni di indagine, e le loro risposte o variabili di risultato potrebbe essere simile perché casuale errori uniche per ogni coorte sono comuni a ogni rispondente sondaggio in quelle coorti [17, 28]. Pertanto, mentre i modelli di regressione convenzionali assumono che le risposte sono indipendenti, i risultati di queste analisi, senza considerazione del possibile effetto di clustering di coorti di nascita potrebbero non essere validi. Yang e Land [17, 28] hanno sviluppato metodologie di modelli Age-periodo-coorte gerarchici per le indagini trasversali sequenziali, e Yang [29] applicate anche che la metodologia di un insieme di dati raccolti negli Stati Uniti. In questo progetto, un approccio marginale è stato proposto per l'analisi dei dati dell'indagine sequenziali trasversali da equazioni di stima generalizzate (GEE), a considerare il possibile effetto di clustering di coorti di nascita.
Sembra ragionevole per fornire qui una breve descrizione di il programma dentale per i bambini danesi e la motivazione per la scelta di cura dei denti durante l'infanzia come proxy per l'effetto di coorte in questa analisi. Le cure dentistiche per i bambini in Danimarca ha sviluppato in modo incrementale durante la prima parte del 19
secolo, raggiungendo lo più bambini in grandi città o comunità più ricche. Un resoconto storico approfondita di questo sviluppo è stato fornito da Lind et al.
[30], e il contesto organizzativo dei servizi dentali dei bambini come una responsabilità obbligatoria dei comuni è stato descritto da Kaplis et al.
[ ,,,0],31]. Il sistema di cura della salute orale per i bambini e gli adolescenti è stato incaricato dalla legge da parte del parlamento danese dal 1972, e con modifiche introdotte nel 1977, tutti i bambini dalla nascita ai 18 anni di età sono stati offerti cura della salute orale sistematica gratuito, composto da General Dental la promozione della salute, la profilassi individuale, esami clinici periodici, e il trattamento. A causa del sistema incrementale dell'introduzione della scuola organizzata cure dentistiche, i quattro popolazioni di studio ha utilizzato in questa analisi rappresentano diverse coorti di nascita con la scuola differenziale accesso cure odontoiatriche. Nel 1975, i gruppi di età più avanzata sono stati in grado di beneficiare del sistema di cure dentistiche, in contrasto con i gruppi di età più giovani. Decennio dopo decennio, come il sistema scolastico cure odontoiatriche ampliato per coprire crescenti proporzioni della popolazione, sempre più persone hanno avuto la possibilità di beneficiare del programma scolastico cura dentale. Così, la scuola cure dentistiche durante l'infanzia può essere percepito come un proxy per l'effetto di coorte ed è stato utilizzato in questa analisi per risolvere il problema di identificazione e di fornire più facile interpretazione del Age, Periodo, e gli effetti di coorte.
L'obiettivo di questo studio è stato quello di analizzare gli effetti di età, periodo e coorte sulla regolare comportamento cura dentale e la prevalenza di edentulia in danesi adulti riportati in sezione trasversale sondaggi di salute orale sequenziali con l'uso della scuola cura dei denti durante l'infanzia come proxy per gli effetti di coorte e l'applicazione di un approccio marginale, a considerare il possibile effetto di clustering di coorti di nascita, così come gli effetti di variabili esplicative a livello individuale di Gee.
Metodi
popolazioni di studio
Abbiamo analizzato i dati di 4330 intervistati di età compresa tra 15+ anni in 9 coorti di nascita. I dati sono stati raccolti in 4 studi trasversali sequenziali dei danesi non istituzionalizzati. I quattro indagini sono state condotte in Danimarca nel 1975, 1985, 1995 e 2005. Ogni indagine utilizzato un cluster stratified tecnica di campionamento a più stadi messo a punto dall'Ufficio statistico della Danimarca (Danmarks Statistik) [4, 32, 33].
il campionamento utilizzato per le indagini nel 1975, 1985, 1995 e consisteva in una metodologia che forato verso il basso attraverso le aree geografiche fino a quando è stato raggiunto un indirizzo specifico secondo un algoritmo che garantisca probabilità statistica di rappresentatività a livello nazionale. Le fasi di campionamento per le indagini nel 1975, 1985 e nel 1995, consisteva di selezione casuale di 230 distretti geografici definiti da tutto il paese, soprattutto in base alle divisioni amministrative, la stratificazione secondo la struttura (urbano-rurale) e occupazionale geografica, selezione dei grappoli di indirizzi all'interno di ogni unità geografica, selezione casuale di gruppi di famiglie a seconda della zona, e, infine, la selezione casuale di persone di età 15+ anni dalle famiglie selezionate. (Tutti i membri delle famiglie selezionate sono state elencate in un ordine fisso, e ogni seconda persona è stato selezionato in modo casuale per un interrogatorio.) [4, 32]. Fino a tre ripetute visite sono state fatte a destinatari che non erano disponibili per la prima visita.
Per l'indagine, nel 2005, è stato utilizzato un sondaggio telefonico. Il campionamento per l'indagine telefonica paragonabile è risultata simile in termini di garanzia rappresentazione geografica, ma è iniziato con una banca dati nazionale di numeri di telefono, che è stato 'ripulito' per i numeri di telefonia mobile e le imprese. Ogni numero è stato anche collegato a una codifica distretto geografico, basato sui distretti postali nelle tre principali città e sulle comuni nel resto del paese. La selezione di un campione rappresentativo a livello nazionale è stata ottenuta attraverso un processo a più stadi che coinvolge 8 aree geografiche del paese, poi le 16 contee, poi i 276 comuni, e, infine, 306 distretti. Distribuzione del campione preso in considerazione la dimensione proporzionale della popolazione, che ha determinato il numero di intervistati che ci si aspetta in una parte specifica del paese, corretto per le dimensioni estreme, in modo che anche le piccole comunità hanno avuto la possibilità di essere selezionato. Fino a 7 chiamate ripetute sono state fatte a destinatari che non erano disponibili alla prima chiamata. In ultima analisi, è stato istituito il database rispondente.
Entrambi i processi di selezione assicurato un campione probabilistico nazionale delle persone di età compresa tra 15 + anni. No ponderazione per i casi di fallimento è stato fatto. Le dimensioni del campione variava da circa 1000-1200 attraverso gli anni di indagine. Ciò corrisponde ad un tasso di risposta in ciascuna delle indagini di 71% (1995) al 80% (1975), al 1985 e nel 2005 situato tra questi. Con le popolazioni di studio al di sopra di 1000 intervistati in ogni sondaggio, gli intervalli di confidenza erano strette e di dimensioni identiche. In ciascuna delle indagini, un nucleo di domande identiche stato utilizzato sulla base di un questionario strutturato sviluppata da uno degli autori (ES) e realizzato da un istituto di ricerca polling professionale opinione (Gallup Markedsanalyse A /S) nella primavera i quattro anni di indagine [4, 32].
studiare le variabili
le variabili chiave dello studio erano alla ricerca di cure dentistiche su base annua nel corso degli ultimi cinque anni (ADC, regolarmente, almeno una volta all'anno negli ultimi cinque anni vs . non regolarmente ogni anno) e edentulia (sì vs no). Le variabili indipendenti considerati sono stati: età (15-24, 25-34, 45-54, 55-64, 65-74, 75+ vs 35-44); anno di rilevazione (1975, 1985, 1995 rispetto al 2005); genere (maschi e femmine); gruppo status socio-economico (SES) (bassa, media vs alto), sulla base di una variabile socio-demografica composito ricodificato dalle variabili originali di occupazione, reddito e istruzione; protesi resistente (entrambe le protesi superiore ed inferiore, sia superiore o inferiore protesi solo vs. senza protesi); e la scuola cure dentistiche (DSC) durante l'infanzia (in tutti i gradi contro non in tutti i gradi). In totale, ci sono stati 4330 persone di età 15+ anni nel set di dati. Dopo che sono stati esclusi i dati mancanti (3,6%), ci sono stati 4172 gli individui per l'analisi della ricerca di ADC. Per l'analisi di edentulia, sono stati inclusi solo intervistati di età compresa 35+ anni. Dal momento che le persone di età inferiore ai 35 anni hanno una bassa probabilità di essere edentulous, questa fascia di età è stato escluso dall'analisi. Dopo che sono stati esclusi i dati mancanti (4,9%), ci sono stati 2505 gli individui per l'analisi di edentulia.
Analisi statistica
La distribuzione delle variabili esplicative demografiche e altri intervistati per anno sono riassunti nella tabella 1 con le proporzioni valide . La percentuale di intervistati segnalazione cerca di ADC e edentulia per anno viene anche riferito, con la percentuale complessiva per ogni fascia di età elencato accanto alle corrispondenti anni nelle figure. Gli effetti delle variabili esplicative selezionate su edentulia e ADC sono stati analizzati mediante regressione logistica, con una struttura di correlazione indipendente GEE con l'uso di PROC GENMOD con l'affermazione ripetuta in SAS software.Table 1 La distribuzione e percentuali valide degli intervistati in base ai dati demografici e ad altri pertinenti variabili salute orale nel 1975, 1985, 1995 e 2005.
1975
(n = 1204)
1985
(n = 1123)
1995
(n = 1002)
2005
(n = 1001)
|
n (valido%)
n (valido%)
n (valido%)
n (valido%)
Età (anni)
|
|
|
|
15-24
206 (17,1%)
188 (16,7%)
153 (15,3%)
118 (11,8%)
25 -34
245 (20,3%)
206 (18,3%)
202 (20,2%)
159 (15,9%)
35-44
206 (17,1%)
251 (22,4%)
157 (15,7%)
212 (21.2 %)
45-54
187 (15,5%)
136 (12,1%)
147 (14,7%)
181 (18,1%)
55-64
169 (14,0%)
144 (12,8%)
113 ( 11,3%)
170 (17,0%)
65-74
191 (15,9%)
120 (10,7%)
123 (12,3%)
103 (10,3%)
75+
/
78 (6,9%)
107 (10,7%)
58 (5,8%)
genere
|
|
< td>
|
Maschio
554 (46,0%)
515 (45,9%)
473 (47,2%)
427 (42,7%)
femminile
650 (54,0%)
608 (54,1%)
529 (52.8 %)
Il 574 (57,3%)
status socio-economico (SES)
|
|
|
|
bassa
413 (34,3%)
437 (38,9%)
385 (38,4%)
364 (36,4%)
medio
676 (56,1%)
525 (46,7%)
460 (45,9%)
440 (44,0%)
alta
115 (9,6%)
161 (14,3%)
157 (15,7%)
197 (19,7%)
Protesi resistente
|
|
|
|
Sia superiore e protesi inferiore
298 (25,3%)
232 (20,7%)
181 (18,1%)
61 (6,1%)
Solo superiore o inferiore protesi
149 (12,6%)
104 (9,3%)
82 (8,2%)
110 (11,0%)
Nessun protesi
732 (62,1%)
787 (70,1%)
739 (73,8%)
Il 830 (82,9%)
mancante
25 (-)
0 ( -)
0 (-)
0 (-)
Scuola cure dentistiche (DSC) durante l'infanzia
|
|
|
|
A tutti i livelli scolastici
427 (36,3%)
703 (63,4%)
727 (72,6%)
867 (86,6%)
Non a tutti i livelli scolastici
750 (63,7%)
406 (36,6%)
275 (27,4%)
134 (13,4%)
mancante
27 (-)
14 (-)
0 (-)
0 (-)
in cerca di cure dentistiche su base annua durante gli ultimi cinque anni ( ADC)
regolarmente, almeno una volta l'anno
683 (58,8%)
780 (69,5%)
759 (75,7%)
823 (86,7%)
Non regolarmente ogni anno
479 (41,2%)
343 (30,5%)
243 (24,3%)
126 (13,3%)
mancante
42 (-)
0 (-)
0 (-)
52 (-)
edentulia (età 35+ anni)
Sì
269 (36,4%)
188 (26,3%)
133 (20,6%)
36 (5,0%)
No
471 (63,6%)
527 (73,7%)
514 (79,4%)
688 (95,0%)
Manca
13 (-)
14 (-)
0 (-)
0 (-)
Da notare che nel 1975, il gruppo di 75+ di età è stato incluso nel gruppo 65+ di età.
analisi GEE
modelli marginali quali GEE sono appropriati quando l'interesse dello studio non è l'effetto di clustering e le loro variazioni, ma le inferenze circa la risposta media sulla popolazione e quando le differenze tra i cluster sono minime [34]. GEE è stato proposto per i dati correlati da Liang e Zeger [35, 36], utilizzando la quasi
approccio -likelihood [37]. L'approccio GEE, estendendo l'idea del modello lineare generalizzato (GLM), assume una funzione nota della aspettativa marginali delle variabili dipendenti [38]. Liang e Zeger [36] proposto specificando il "lavoro" matrice di correlazione per le osservazioni tra gli intervistati dallo stesso gruppo di cedere stimatori consistenti dei coefficienti di regressione e dei loro errori standard robusti asintoticamente, anche quando la struttura "di correlazione di lavoro" non è corretto [35 , 36, 38-40]. Di conseguenza, errori standard robusti sono di solito preferito. A differenza della tecnica di analisi di regressione ordinaria, il GEE permette di rappresentano il possibile correlazione di risposte da parte di persone all'interno della stessa coorte di nascita.
Dalle regressioni logistiche prestati in ogni esercizio indagine a parte, è stato osservato che ci sono stati effetti omogenei in qualche gruppi di età (non riportato qui). Pertanto, per l'analisi della ricerca di ADC in questo progetto, di età sarebbe raggruppati come 15-24, 25-34, 35-44, 45-64 e 65+ anni, con la fascia di età 35- 44 anni come il categoria di riferimento. E per l'analisi di essere edentulous, età sarebbe raggruppati come 35-44, 45-64, 65-74 e 75+ anni, con la fascia di età 35- 44 anni come categoria di riferimento. Inoltre
, il possibile effetto di clustering di coorti di nascita è stata considerata nei modelli GEE, ma l'effetto di coorte non è stato esplicitamente stimato. SDC durante l'infanzia è stato utilizzato come proxy dell'effetto di coorte. Questa strategia ha risolto il problema di identificazione e ha fornito più facile interpretazione dell'effetto di coorte.
Per l'analisi GEE di ADC, le variabili esplicative erano l'età (15-24, 25-34, 45-64, 65+ vs. 35-44 ), anno di indagine, genere, gruppo SES, protesi resistente, e DSC durante l'infanzia. Per l'analisi GEE di edentulia, sono stati inclusi solo intervistati di età compresa 35+ anni. Le variabili esplicative erano l'età (45-64, 65-74, 75+ vs 35-44), anno di indagine, genere, gruppo SES, ADC, e DSC durante l'infanzia.
Poiché il modello GEE non è stimato dalla piena -Informazioni massima verosimiglianza, i test ampiamente utilizzato come il test del rapporto di verosimiglianza, di Akaike criterio di informazione (AIC), e criteri di informazione bayesiana (BIC) per il modello in forma, selezione del modello penalizzato, e bloccare i test significato non può essere appropriato. Fortunatamente, il
Quasi -likelihood sotto la statistica indipendenza modello di Criterion (QIC) proposto da Pan [41] è analoga alla statistica AIC e possono essere utilizzati per confrontare modelli GEE per la selezione di modelli di regressione e correlazioni di lavoro. Il modello con un più piccolo QIC è preferibile, e la maggior parte dei pacchetti statistici (ad esempio, SAS) che implementano GEE forniscono anche le procedure per lo svolgimento di tali prove.
In questo progetto, la statistica QIC è stato utilizzato per la selezione del modello GEE. I risultati GEE sono stati espressi come odds ratio e corrispondenti intervalli di confidenza al 95% (CI), e il p-value associato del test di Wald per il test di significatività sono stati anche segnalati. Tutti i test statistici sono stati eseguiti con test doppi a livello di significatività 0.05. Tutte le analisi sono state effettuate con SAS versione 9.2 (Cary, NC, USA)
. Risultati
descrizione generale
Nel 1975, il gruppo di 75+ di età è stato incluso nel gruppo 65+ di età. Nelle indagini successive, questa distinzione è stata registrata in gruppi di età 65-74 e 75+. La tabella 1 riporta la distribuzione dei dati demografici e di altri relativi variabili di salute orale (età, sesso, SES, protesi resistente, e DSC durante l'infanzia) per anno. Sono elencati anche i numeri delle osservazioni non mancanti nella variabile corrispondente. Le distribuzioni di età erano generalmente a campana (Tabella 1), mentre il genere era quasi uniformemente distribuito. Quasi la metà di quelli del gruppo di status socio-economico sono stati nella categoria media, con il 56,1% nel 1975 in leggero calo al 44,0% nel 2005. Nel 1975, il 62,1% degli intervistati non indossavano protesi, e questa percentuale è aumentata al 82,9% nel 2005. La percentuale degli intervistati che ricevono DSC in tutti i gradi durante l'infanzia è passata dal 36,3% nel 1975-86,6% del 2005.
ricerca di cure dentistiche su base annua (ADC)
risultati descrittivi
corrispondente a la crescita incrementale dei servizi di assistenza sanitaria orale dei bambini, solo il 36% della popolazione 1975 riferito di aver avuto cure odontoiatriche a tutti i gradi durante i loro anni di scuola, con notevoli variazioni tra i gruppi di età (il 3% della fascia di età più antica rispetto al 70% dei più giovani). Questa percentuale è aumentata drammaticamente durante ogni decennio, al 63% nel 1985, 73% nel 1995, e il 87% nel 2005. Nel complesso della popolazione, la percentuale di persone in cerca di ADC aumentata dal 58,8% (95% CI, 56,0% -61,6% ) nel 1975 fino al 86,7% (95% CI, 84,5% -88,9%) nel 2005 (vedi tabella 1). sono state osservate variazioni temporali nelle proporzioni delle persone in cerca di ADC per tutte le età 1975-2005 (figura 1). La percentuale di persone in cerca di ADC generalmente diminuisce con l'aumentare dell'età, ma nel corso degli anni di indagine, quelli del gruppo di età più avanzata tendeva a mantenere l'elevato tasso di utilizzo cure dentistiche da loro gioventù (per esempio, i 15 ei 24 anni di età in 1975 che erano 45-54 nel 2005), mentre i gruppi di età più giovani nelle rilevazioni successive erano meno inclini a segnalare le cure dentistiche regolari (per esempio, da 15 a 24 e 25 a 34 anni di età nel 2005). Figura 1 comportamento cura dentale regolare tra i danesi adulti. Percentuale di intervistati per fasce di età che hanno segnalato alla ricerca di cure dentistiche su base annua nel corso dei cinque anni precedenti alla realizzazione dell'indagine. Nota:. Nel 1975, il gruppo di 75+ di età è stato incluso nel gruppo di età 65+
risultati GEE commercio basato sulla statistica QIC per la selezione del modello GEE, le variabili esplicative del modello finale erano l'età, anno dell'indagine, genere, gruppo SES, protesi resistente, SDC durante l'infanzia, e l'interazione tra l'età e SDC durante l'infanzia (P
& lt; 0,05) (Tabella 2). Le femmine sono stati associati con una maggiore probabilità di cercare ADC regolarmente, come mostrato nel risultato che le probabilità di "cercare ADC regolarmente" è stato inferiore nei maschi che nelle femmine [odds ratio (OR) = 0,56; 95% CI, 0,50-0,62; P
& lt; 0,0001]. Allo stesso modo, se confrontato con il gruppo ad alto SES, le probabilità di "cercare ADC regolarmente" nei gruppi a basso e medio-SES erano significativamente più piccolo, con relativo OR 0.39 (95% CI, 0,27-0,55) e 0,58 (95% CI, 0,39-0,86). Gli intervistati che non indossano alcuna protesi erano molto più propensi a cercare ADC regolarmente che erano intervistati sia con superiori e inferiori protesi (OR = 0,06; 95% CI, 0,05-0,08) e quelli con solo sia un superiore o di una protesi inferiore (OR = 0.41 ; 95% CI, 0.29-0.58) .table 2 odds ratio con il 95% intervallo di confidenza (CI) e P-valori del test del modello finale per la probabilità di cercare ADC regolarmente da danesi di età compresa tra 15 di Wald - 75+ in Danimarca, 1975 - 2005.
variabile esplicativa
Odds ratio
(95% CI)
P-value
Età (anni)
|
|
0,1491
65+
|
|
|
45-64
|
|
|
35 -44a
|
|
|
25-34
|
|
Tutti gli autori hanno letto e approvato la versione finale del manoscritto.
| 