Abstracte achtergrond
Om de reguliere tandheelkundige zorg gedrag en de prevalentie van edentulism bij volwassen Denen, gemeld in opeenvolgende dwarsdoorsnede analyseren mondgezondheid onderzoeken door het aanbrengen van een marginale aanpak van de mogelijke clustering effect van geboortecohorten overwegen.
methoden
gegevens uit vier opeenvolgende cross-sectionele surveys van niet-geïnstitutionaliseerde Denen uitgevoerd van 1975-2005 bestaat uit 4.330 respondenten van 15 jaar + jaar in 9 geboortecohorten werden geanalyseerd. De belangrijkste studie variabelen werden op zoek naar tandheelkundige zorg op jaarbasis (ADC) en edentulism. Voor de analyse van ADC, peiljaar, leeftijd, geslacht, sociaal-economische status (SES) groep, prothese-dragen, en de school tandheelkundige zorg (SDC) in de kindertijd werden beschouwd. Voor de analyse van edentulism slechts respondenten 35+ jaar werden opgenomen. Peiljaar, leeftijd, geslacht, SES groep, ADC, en SDC tijdens de kindertijd werden beschouwd als onafhankelijke factoren. Om rekening te houden met de clustering effect van geboortecohorten, marginale logistische regressies met een onafhankelijke correlatie structuur in gegeneraliseerde schattingsvergelijkingen (GEE) werden in SAS software
uitgevoerd, met PROC Genmod. Resultaten
Het totale aandeel van de mensen op zoek naar ADC is gestegen van 58,8% in 1975-86,7% in 2005, terwijl het voor de respondenten in de leeftijd 35 jaar of ouder, de totale prevalentie van edentulism (35+ jaar) daalde van 36,4% in 1975 tot 5,0% in 2005. de wijfjes, de respondenten in de hogere SES-groep, in meer recente enquête jaren, zonder prothese, en het ontvangen van SDC in alle kwaliteiten in de kindertijd werden geassocieerd met een hogere kans op zoek naar ADC regelmatig (P Restaurant & lt; 0,05). De interactie van SDC en leeftijd (P Restaurant & lt; 0,0001) werd significant. De waarschijnlijkheid van het zoeken naar ADC waren zelfs hoger bij proefpersonen met SDC in alle rangen en de leeftijd van 45 jaar of ouder. Vrouwen, oudere leeftijdsgroep, respondenten in eerder onderzoek jaar, niet op zoek naar ADC, lagere SES-groep, en niet ontvangen van SDC in alle rangen werden geassocieerd met een hogere kans van zijn tandeloze (P Restaurant & lt; 0,05).
Conclusies
Met gebruik van GEE het potentiële effect clustering van cohorten in opeenvolgende dwarsdoorsnede mondhygiëne onderzoeksgegevens kan adequaat beschouwd. Het succes van de Deense tandheelkundige gezondheidsbeleid werd aangetoond door een voortdurende stijging van de reguliere tandheelkundige bezoek aan gewoonten en retentie tand bij volwassenen, omdat de school tandheelkundige zorg in hun kindertijd tot Danes werd verstrekt.
Electronic aanvullend materiaal
de online versie van dit artikel (doi:. 10 1186 /1472-6831-11-9) bevat aanvullend materiaal, dat beschikbaar is voor geautoriseerde gebruikers is achtergrond
Age, periode, en Cohort effecten
De behoefte aan populatie-. gebaseerde mondelinge epidemiologische studies is al lang gepleit om de mondgezondheid of het gedrag van een bevolking te bepalen, stelt doelen voor de toekomst, en adequaat te plannen mondgezondheid diensten [1]. Bovendien is het belangrijk om veranderingen in de mondhygiëne (mondhygiëne trends) bestuderen of de orale gezondheidszorg systeem moet worden aangepast om optimaal te behoeften van de bevolking [2]. Leeftijd, Periode, en Cohort analyse (APC) is gebruikt door epidemiologen te identificeren en te interpreteren tijdelijke veranderingen in de gezondheid eigenschappen of gedragingen in de medische en tandheelkundige onderzoek [3-10]. De APC meerdere classificatiemodellen van plan om de netto-invloed van leeftijd, periode of cohort van de uitkomsten van belang [3, 11-16] te beoordelen. Age-effecten (A) vertegenwoordigt de variatie in verband met verschillende leeftijdsgroepen veroorzaakt door biologische, fysiologische en gedragsveranderingen, accumulatie van sociale ervaring, en de rol van de status veranderingen en gebeurtenissen in verband met het opgroeien en de vergrijzing [6, 7, 17] . Aging kan leiden tot een afname van fysieke vermogen en functionele capaciteit, zoals een opeenstapeling van orale gezondheidsproblemen zoals cariës en parodontitis [6, 7], op termijn mogelijk invloed tand vasthouden en ook de waarschijnlijkheid van het individu wordt edentulous. Periode effecten (P) te vertegenwoordigen variaties in perioden dat alle leeftijdsgroepen tegelijk op in een bepaalde historische periode, vaak als gevolg van veranderingen in de sociale, culturele, economische, technologische of fysieke omgevingen [7, 17], zoals veranderingen in mondgezondheid beleid of veranderingen in de inkomsten van invloed zijn het vermogen van het individu om tandheelkundige zorg veroorloven, en, belangrijker nog, vooruitgang in de technologie, wat leidt tot de brede beschikbaarheid van preventieve middelen en effectieve behandelingen. Cohorteffecten vertegenwoordigen variatie tussen de verschillende (geboorte) cohorten veroorzaakt door verschillende lange termijn formatieve ervaringen, zoals historische verschillen in sociale, economische en fysieke omgevingen, de vooruitgang in de technologie, en de veranderingen in het overheidsbeleid van eerdere jaren [7, 12, 17 , 18].
voor trends in mondgezondheid of gedragingen te identificeren en geïnterpreteerd, is het belangrijk dat de netto invloeden van leeftijd, periode of cohort bepaald. Bijvoorbeeld, kunnen veranderingen in het gebruik van tandheelkundige diensten via tijd gerelateerd aan toenemende orale gezondheidsproblemen als gevolg van veroudering. Echter, periode factoren, zoals de toenemende verhouding tandarts /populatie, kan een belangrijke rol spelen en gelijktijdige. Geboortecohort factoren, zoals de invoering van gratis tandheelkundige zorg tijdens de schooljaren, kan het gedrag van individuen te beïnvloeden tijdens de jeugd en volwassenheid.
Conventionele Age, Periode, en Cohort analyse
Conventionele statistische benaderingen hebben zich gericht op het modelleren van gegevens op de bevolking niveau, met cohort tafels (age-by-periode tabellen) van de tarieven (vooral van vitaal belang tarieven), en zijn voornamelijk gebaseerd op de log-lineaire model of een lineaire model voor de log tarieven [18]. De datasets in conventionele APC analyse omvatte voornamelijk gegevens betreffende leeftijd en periode, of tevens, op geslacht. Andere mogelijke belangrijke variabelen zoals sociaal-economische status waren over het algemeen afwezig in de dataset. Dit verschijnsel werd toegeschreven aan het feit dat de vastgestelde datasets waren in principe vitale statistieken meestal door de statistieken afdelingen of het ziekenhuis autoriteiten. In conventionele APC analyse de identificatieprobleem (ook bekend als 'identificeerbaarheid problem') inherent aan de lineaire afhankelijkheden tussen leeftijd, periode en cohort (Age = periode - Cohort) opgemerkt. Dit betekent dat als de enquête jaar (periode) en de mensen geboortejaar (cohort) beide bekend zijn, dan is de leeftijd van de geboortecohort op de enquête jaar (leeftijd) wordt ondubbelzinnig bevestigd. Dus de resulterende regressiecoëfficiënt schattingen niet uniek en kan niet worden gebruikt voor statistische inferentie [19].
De afgelopen 30 jaar zijn verscheidene benaderingen toegepast om dit probleem op te lossen identificatie. Onder deze benaderingen werden voorgesteld beperkingen op een van de drie APC variabelen op te leggen zonder dat het onderliggende theoretisch kader [13]. Zo kunnen twee of meer leeftijdsgroepen worden gecombineerd tot één groep. Echter, verschillende keuzen beperking kan leiden tot verschillende geschatte APC effecten [20]. Daarom is het belangrijk dat de specifieke vorm gekozen worden ondersteund door voorafgaande theoretische argumenten of empirische gegevens. Het vervangen van de concepten van leeftijd, periode en cohort door hun onderliggende concepten is ook voorgesteld [21]. Een voorbeeld van deze strategie is het gebruik van een geschikte psychologische test, in plaats van de leeftijd in het algemeen, intellectuele ontwikkeling [22] vertegenwoordigt. Deze strategie kan de identificatie probleem op te lossen en zorgen voor eenvoudiger interpretatie van de leeftijd, periode en cohort effecten, omdat de begrippen in kwestie direct in plaats van kan worden gemeten door middel van een proxy variabele. Als een van de APC variabelen kunnen worden gemeten in termen van de onderliggende variabele, zou de lineaire afhankelijkheid tussen de APC variabelen verdwijnen. Vele studies hebben reeds beoordeeld en vergeleken verschillende benaderingen [18, 20, 22, 23], maar samengevat, zijn er nog geen standaard procedures toe die het probleem.
Leeftijd, periode en cohort analyse tandheelkunde
Hoewel APC analyse door epidemiologen gebruikt voor het identificeren en interpreteren temporele veranderingen in orale eigenschappen of gedrag gezondheid tandheelkundig onderzoek [3-10], waren voornamelijk beschrijvend, in de vorm van tabellen of grafieken [4-6, 8, 10 ]. Bijvoorbeeld, Holst en Schuller [6] en Ahačič en Thorslund [10] heeft een beschrijvende aanpak van mondelinge veranderingen gezondheid [24], terwijl Schwarz [4] en Sanders et al.
[8] aparte regressies per jaar vastgesteld en beschrijvende leeftijd gestandaardiseerde gegevens per jaar en cohort, respectievelijk de APC effecten op de mondgezondheid gedrag beschrijven. Slechts een paar studies, zoals Bravo [7], gevolgd door Clayton en Schifflers [20, 25] voorgesteld om APC effecten op het gebruik van de tandheelkundige dienst meer dan 10 jaar op het niveau van de bevolking te analyseren strategie. Echter, studie Bravo's [7] bleek een verdere risico van conventionele APC analyse op populatieniveau: dat vele andere factoren die samenhangen met tandheelkundige vraag werden genegeerd in de analyse (zoals de school tandheelkundige zorg tijdens de kindertijd, socio-economische status, prothese-dragen , etc.).
Suggested Age, periode, en Cohort analyse sequentiële cross-sectionele survey data
Idealiter longitudinale datasets moeten worden verzameld en geanalyseerd als APC-analyse moet worden toegepast op het individuele niveau. In werkelijkheid echter weinig longitudinale studies uitgevoerd met het oog op APC analyse [26, 27] in tandheelkundig onderzoek. In plaats daarvan kan achtereenvolgende transversale gegevens door herhaalde bevolkingsonderzoeken zijn verzameld en gebruikt voor APC analyse [4, 6, 7]. Bovendien transversale survey onderzoeksopzet opbrengsten andere individuele niveau factoren naast leeftijd, periode en cohort, die eveneens verbonden zijn met de van belang zijnde variabelen. Dit verschaft extra individuele niveau informatie voor de ontwikkeling van alternatieve APC analyse. De uitdaging voor APC analyse in sequentiële cross-sectionele survey data is dat de conventionele regressie modellen geen rekening hebben gehouden met de mogelijkheid dat individuen zijn geclusterd in dezelfde geboortecohort onderzocht op verschillende survey jaar, en hun antwoorden of de uitkomst variabelen kunnen soortgelijke omdat willekeurig fouten uniek voor elk cohort zijn gemeenschappelijk voor elke respondent in die cohorten [17, 28]. Daarom, terwijl de conventionele regressie modellen gaan ervan uit dat de reacties zijn onafhankelijk, de resultaten van deze analyses zonder rekening te houden met de mogelijke clustering effect van geboortecohort mogelijk niet geldig. Yang en Land [17, 28] ontwikkelde methodieken hiërarchische Age-Period-Cohort modellen voor sequentiële cross-sectionele surveys en Yang [29] ook van toepassing van deze methode om een dataset verzameld in de Verenigde Staten. In dit project werd een marginale aanpak voor de analyse van sequentiële cross-sectionele survey data voorgesteld door gegeneraliseerde schattingsvergelijkingen (GEE), de mogelijke clustering effect van geboortecohorten overwegen.
Het lijkt redelijk om hier een korte beschrijving van de tandheelkundige programma voor de Deense kinderen en de motivatie voor de keuze van de tandheelkundige zorg tijdens de kindertijd als een proxy voor de cohort effect in deze analyse. Tandheelkundige zorg voor kinderen in Denemarken ontwikkelde stapsgewijs tijdens het eerste deel van de 19
e eeuw, het bereiken van voornamelijk kinderen in grotere steden of meer welvarende gemeenschappen. Een grondige historische rekening van deze ontwikkeling is verstrekt door Lind et al.
[30], en de organisatorische context van tandheelkundige diensten van de kinderen als een verplichte verantwoordelijkheid van de gemeenten is beschreven door Kaplis et al.
[ ,,,0],31]. De mondzorg voor kinderen en adolescenten werd opgelegd door de wet door het Deense parlement van 1972, en met de wijzigingen die in 1977 werden alle kinderen vanaf de geboorte tot 18 jaar aangeboden systematische orale gezondheidszorg gratis, bestaande uit algemene tandheelkunde gezondheidsbevordering, individuele preventie, regelmatig klinisch onderzoek en behandeling. Als gevolg van de incrementele systeem van de invoering van de georganiseerde scholen tandheelkundige zorg, de vier studie populatie die in deze analyse staan voor verschillende geboortecohorten met differentiële de school toegang tot tandheelkundige zorg. In 1975, de oudere leeftijdsgroepen waren niet in staat om te profiteren van de tandheelkundige zorg systeem, in tegenstelling tot de jongere leeftijdsgroepen. Decennium na decennium, als de school tandheelkundige zorg systeem uitgebreid met toenemende omvang van de bevolking te dekken, meer mensen hadden de kans om te profiteren van de school tandheelkundige zorg programma. Zo kan de school tandheelkundige zorg tijdens de kindertijd worden gezien als een proxy voor de cohort effect en is gebruikt in deze analyse tot de identificatie probleem op te lossen en zorgen voor eenvoudiger interpretatie van de leeftijd, periode en cohort effecten. Ondernemingen De doelstelling van deze studie was om de effecten van leeftijd, periode en cohort analyseren op de reguliere tandheelkundige zorg gedrag en de prevalentie van edentulism bij volwassen Denen gemeld in opeenvolgende dwarsdoorsnede mondgezondheid enquêtes door het gebruik van school tandheelkundige zorg tijdens de kindertijd als een proxy voor cohorteffecten en toepassing van een marginale aanpak van de mogelijke clustering effect van geboortecohort evenals de effecten van de individuele-level verklarende variabelen van GEE.
Methods
Studie populatie
We analyseerden de gegevens van 4330 respondenten van overwegen 15+ jaar in 9 geboortecohorten. De gegevens werden verzameld in 4 opeenvolgende cross-sectionele surveys van niet-geïnstitutionaliseerde Denen. De vier enquêtes werden uitgevoerd in Denemarken in 1975, 1985, 1995 en 2005. Elk onderzoek gebruik gemaakt van een multi-stage gestratificeerde cluster sampling techniek door het Statistisch Bureau van Denemarken (Danmarks Statistik) [4, 32, 33] bedacht.
de bemonstering wordt gebruikt voor de enquêtes in 1975, 1985 en 1995 bestond uit een methodiek die naar beneden geboord door geografische gebieden tot een specifiek adres werd bereikt volgens een algoritme dat zou zorgen voor statistische waarschijnlijkheid van de representativiteit op nationaal niveau. De bemonstering podia voor de enquêtes in 1975, 1985 en 1995 bestond uit willekeurige selectie van 230 bepaald geografisch districten uit het hele land, met name op basis van administratieve afdelingen, indeling op basis van geografische (stad en platteland) en beroepsstructuur, selectie van clusters van adressen binnen elke geografische eenheid, willekeurige selectie van clusters van de huishoudens afhankelijk van het gebied, en, ten slotte, willekeurige selectie van de personen ouder dan 15 jaar van de geselecteerde huishoudens. (Alle leden van geselecteerde huishoudens geplaatst werden in een vaste volgorde, en elke tweede persoon werd willekeurig geselecteerd voor ondervraging.) [4, 32]. Maximaal drie herhaalde bezoeken werden gemaakt om geadresseerden die op het eerste bezoek niet beschikbaar waren.
Voor de enquête in 2005, werd een telefonische enquête gebruikt. De bemonstering voor de vergelijkbare telefonische enquête was in termen van het waarborgen van de geografische vertegenwoordiging, maar begon met een nationale database met telefoonnummers, die werd 'schoongemaakt' voor mobiele nummers en bedrijven. Elk nummer werd ook verbonden met een geografisch district codering, gebaseerd op post districten in de drie grote steden en gemeenten in de rest van het land. De keuze van een landelijk representatieve steekproef werd bereikt door een meerstaps proces waarbij 8 geografische gebieden van het land, dan de 16 districten, dan de 276 gemeenten en tenslotte 306 wijken. Verdeling van de steekproef rekening gehouden met de proportionele omvang van de bevolking, die bepaald het aantal respondenten in een bepaald deel van het land te verwachten, gecorrigeerd voor extreme afmetingen, zodat zelfs kleine gemeenschappen een kans om geselecteerd had. Tot 7 repeat oproepen werden gedaan om geadresseerden die op de eerste oproep niet beschikbaar waren. Uiteindelijk werd de respondent databank opgericht.
Beide selectieprocessen zorgde voor een nationale waarschijnlijkheid steekproef van personen van 15 jaar. Er vindt geen weging voor het falen gevallen werd gedaan. Steekproefomvang varieerde van ongeveer 1000-1200 over de meetjaren. Dit kwam overeen met een respons op elk van de onderzoeken van 71% (1995) tot 80% (1975), 1985 en 2005 met zich daartussen. Met de studie bevolking van meer dan 1.000 respondenten in elk onderzoek, de betrouwbaarheidsintervallen waren smal en van dezelfde grootte. In elk van de controles, een kern van identieke vragen werd toegepast op basis van een gestructureerde vragenlijst ontwikkeld door een van de auteurs (ES) en door een vakman polling mening onderzoeksinstituut (Gallup Markedsanalyse A /S) in het voorjaar verricht de vier onderzoeksjaren [4, 32].
studie variabelen
de sleutel studie variabelen werden op zoek naar tandheelkundige zorg op jaarbasis over de afgelopen vijf jaar (ADC, regelmatig ten minste eenmaal per jaar in de voorafgaande vijf jaar vs . niet regelmatig per jaar) en edentulism (ja versus nee). De onafhankelijke variabelen onderzocht: leeftijd (15-24, 25-34, 45-54, 55-64, 65-74, 75+ vs. 35-44); survey jaar (1975, 1985, 1995 ten opzichte van 2005); geslacht (man versus vrouw); socio-economische status (SES) groep (laag, gemiddeld vs. hoog), op basis van een samengestelde socio-demografische variabele gehercodeerd van originele variabelen van de bezetting, inkomen en onderwijs; prothese-dragen (zowel de bovenste en onderste kunstgebit, ofwel bovenste of onderste kunstgebit alleen vs. geen kunstgebit); en de school tandheelkundige zorg (SDC) tijdens de jeugd (in alle rangen vs. niet in alle graden). In totaal waren er 4.330 mensen meer dan 15 jaar in de dataset jaar. Nadat de ontbrekende gegevens werden uitgesloten (3,6%), waren er 4172 personen voor de analyse van het zoeken ADC. Voor de analyse van edentulism slechts respondenten 35+ jaar werden opgenomen. Omdat mensen jonger dan 35 jaar had een kleine kans van zijn tandeloze, werd deze leeftijdsgroep van de analyse uitgesloten. Nadat de ontbrekende gegevens werden uitgesloten (4,9%), waren er 2505 personen voor de analyse van edentulism.
Statistische analyse
De verdeling van demografische en andere variabelen respondenten per jaar worden samengevat in Tabel 1 de geldende verhoudingen . Het aandeel van de respondenten rapportage zoekende ADC en edentulism per jaar wordt ook gemeld, met het totale aandeel per leeftijdsgroep vermeld naast de bijbehorende jaar in de cijfers. De effecten van de geselecteerde verklarende variabelen edentulism ADC en werden geanalyseerd door logistische regressie, met een onafhankelijke correlatiestructuur in GEE met behulp van PROC Genmod met de herhaalde verklaring SAS software.Table 1 de verdeling en geldige percentages respondenten volgens demografische en andere gerelateerde mondgezondheid variabelen in 1975, 1985, 1995 en 2005.
1975
(n = 1.204)
1985
(n = 1123)
1995
(n = 1002)
2005
(n = 1001)
|
n (geldig%)
n (geldig%)
n (geldig%)
n (geldig%)
Leeftijd (jaar)
|
|
|
|
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%)
Geslacht
|
|
< td>
|
Male
554 (46,0%)
515 (45,9%)
473 (47,2%)
427 (42,7%)
Female Gids 650 (54,0%)
608 (54,1%)
529 (52.8 %) Gids 574 (57,3%)
Socio-economische status (SES)
|
|
|
|
Lage
413 (34,3%)
437 (38,9%)
385 (38,4%)
364 (36,4%)
Medium
676 (56,1%)
525 (46,7%)
460 (45,9%)
440 (44,0%)
hoge
115 (9,6%)
161 (14,3%)
157 (15,7%)
197 (19,7%)
Kunstgebit-dragen
|
|
|
|
Zowel de bovenste en onderste kunstgebit
298 (25,3%)
232 (20,7%)
181 (18,1%)
61 (6,1%)
Alleen bovenste of onderste kunstgebit
149 (12,6%)
104 (9,3%)
82 (8,2%)
110 (11,0%)
Geen kunstgebit
732 (62,1%)
787 (70,1%)
739 (73,8%) Gids 830 (82,9%)
Missing
25 (-)
0 ( -)
0 (-)
0 (-)
School tandheelkundige zorg (SDC) in de kindertijd
|
|
|
|
Op alle rangniveaus
427 (36,3%)
703 (63,4%)
727 (72,6%)
867 (86,6%)
helemaal rangniveaus
750 (63,7%)
406 (36,6%)
275 (27,4%)
134 (13,4%)
Missing
27 (-)
14 (-)
0 (-)
0 (-)
op zoek naar tandheelkundige zorg op jaarbasis in de voorafgaande vijf jaar ( ADC)
regelmatig ten minste eenmaal per jaar
683 (58,8%)
780 (69,5%)
759 (75,7%)
823 (86,7%)
Niet regelmatig jaarlijks Gids 479 (41,2%)
343 (30,5%)
243 (24,3%)
126 (13,3%)
Missing
42 (-)
0 (-)
0 (-)
52 (-)
edentulism (leeftijd 35+ jaar)
Ja
269 (36,4%)
188 (26,3%)
133 (20,6%)
36 (5,0%)
Nee
471 (63,6%)
527 (73,7%)
514 (79,4%)
688 (95,0%)
Missing
13 (-)
14 (-)
0 (-)
0 (-)
Merk op dat in 1975, werd de 75+ leeftijdscategorie opgenomen in de 65 + leeftijdsgroep.
GEE analyse
Marginale modellen zoals GEE worden aangewezen wanneer het belang van het onderzoek is niet de clustering effect en hun verschillen, maar de conclusies over de gemiddelde respons over de populatie en indien de verschillen tussen clusters minimaal zijn [34]. GEE werd voorgesteld voor gecorreleerde data door Liang en Zeger [35, 36], met behulp van de quasi
-likelihood aanpak [37]. De GEE benadering, de uitbreiding van de idee van de algemene lineaire model (GLM), gaat uit van een bekende functie van de marginale verwachting van de afhankelijke variabelen [38]. Liang en Zeger [36] voorgesteld vermelding "werkende" correlatiematrix voor waarnemingen bij respondenten uit hetzelfde cluster consistente schatters van de regressiecoëfficiënten en hun robuuste standaardfouten asymptotisch geven, zelfs als de "werkende correlatie" structuur onjuist [35 , 36, 38-40]. Als gevolg daarvan zijn robuuste standaard fouten meestal de voorkeur. In tegenstelling tot de gewone regressie-analysetechniek, de GEE kan men op mogelijke correlatie van reacties van mensen in dezelfde geboortecohort.
Van de logistieke regressies uitgevoerd voor elk meetmoment afzonderlijk werd waargenomen dat er homogeen veroorzaken bij sommige leeftijdsgroepen (hier niet gemeld). Daarom is voor de analyse van het zoeken naar ADC in dit project, leeftijd zou worden gehergroepeerd als 15-24, 25-34, 35-44, 45-64 en 65+ jaren, met de leeftijdsgroep van 35- tot 44-jaar als de referentie categorie. En voor de analyse van zijn tandeloze, zou de leeftijd worden gehergroepeerd als 35-44, 45-64, 65-74 en 75+ jaren, met de leeftijdsgroep van 35- tot 44-jaar als referentie categorie.
Daarnaast , de mogelijke clustering effect van geboortecohort werd beschouwd in de GEE modellen, maar het cohort effect werd niet expliciet geschat. SDC tijdens de kindertijd werd gebruikt als maatstaf voor de cohorteffect. Deze strategie besloot de identificatie probleem en voorzien gemakkelijker interpretatie van het cohort effect.
Voor de GEE analyse van ADC, de verklarende variabelen waren leeftijd (15-24, 25-34, 45-64, 35-44 65+ vs. ), peiljaar, geslacht, SES groep, prothese-dragen, en SDC tijdens de kindertijd. Voor de GEE analyse van edentulism, slechts respondenten 35+ jaar werden opgenomen. De verklarende variabelen waren leeftijd (45-64, 65-74, 75+ vs. 35-44), peiljaar, geslacht, SES groep, ADC, en SDC tijdens de kindertijd.
Omdat de GEE model niet wordt geschat door full -informatie maximum likelihood, de veel gebruikte tests zoals de likelihood ratio test, Akaike's Information Criterion (AIC) en Bayesian Information Criteria (BIC) voor model fit, bestraft model selectie, en blokkeren significantie tests mogen niet geschikt zijn. Gelukkig is de Quasi
-likelihood onder door Pan voorgestelde onafhankelijkheidsmodel Criterium (QIC) Statistiek [41] is analoog aan de AIC statistische en kan worden gebruikt om GEE modellen te vergelijken voor de selectie van regressiemodellen en werken correlaties. Het model met een kleinere QIC is meer de voorkeur, en de meeste statistische pakketten (bijvoorbeeld SAS), die de uitvoering van GEE bieden ook procedures voor het uitvoeren van dergelijke tests.
In dit project, de QIC statistiek werd gebruikt voor GEE model selectie. De GEE resultaten werden uitgedrukt als odds ratio's en bijbehorende 95% betrouwbaarheidsintervallen (CI) en de bijbehorende p-waarde Wald test voor significantietoets gerapporteerd. Alle statistische tests werden uitgevoerd met tweezijdige test op 0,05 significantieniveau. Alle analyses werden uitgevoerd met SAS versie 9.2 (Cary, NC, USA).
Resultaten
Globale beschrijving
In 1975 werd de 75+ leeftijdscategorie opgenomen in de 65 + leeftijdsgroep. In de daaropvolgende onderzoeken, werd dit onderscheid opgenomen in leeftijdsgroepen 65-74 en 75+. Tabel 1 rapporteert de verdeling van de demografie en andere verwante mondgezondheid variabelen (leeftijd, geslacht, SES, prothese-dragen, en SDC in de kindertijd) per jaar. Het aantal niet-ontbrekende waarnemingen in de desbetreffende variabele worden ook vermeld. De verdelingen oud waren over het algemeen belvormige (tabel 1), terwijl vrouwen bijna gelijkmatig verdeeld. Bijna de helft van die in de sociaal-economische status groep werden in de categorie medium, met 56,1% in 1975 licht afnemen tot 44,0% in 2005. In 1975, 62,1% van de respondenten het niet dragen van een kunstgebit, en dit aandeel gestegen tot 82,9% in 2005. het percentage van de respondenten ontvangen van SDC in alle kwaliteiten in de kindertijd is gestegen van 36,3% in 1975-86,6% in 2005. TG op zoek naar tandheelkundige zorg op jaarbasis (ADC)
Beschrijvend resultaten
Dit komt overeen met de incrementele groei van de kinderen mondelinge gezondheidszorg, slechts 36% van de 1975 bevolking meldde dat tandheelkundige zorg bij alle kwaliteiten hadden tijdens hun schooljaren, met aanzienlijke verschillen tussen de leeftijdsgroepen (3% van de oudste leeftijdscategorie, vergeleken met 70% van de jongste). Dit aandeel fors gestegen tijdens elke tien jaar, tot 63% in 1985, 73% in 1995 en 87% in 2005. In de totale bevolking, het aantal mensen op zoek naar ADC is gestegen van 58,8% (95% CI, 56,0% -61,6% ) in 1975 tot 86,7% (95% CI, 84,5% -88,9%) in 2005 (zie tabel 1). Tijdelijke veranderingen in de verhoudingen van mensen op zoek naar ADC werden waargenomen voor Iedereen 1975-2005 (figuur 1). Het percentage van mensen op zoek naar ADC over het algemeen af met toenemende leeftijd, maar over de onderzoeksjaren, die in de oudere leeftijdsgroep neiging om de hoge tandheelkundige zorg bezettingsgraad handhaven van hun jeugd aan (bijvoorbeeld de 15- tot 24-jarigen in 1975, die waren 45-54 in 2005), terwijl de jongere leeftijdsgroepen in de latere enquêtes minder gevoelig voor reguliere tandheelkundige zorg te melden (bijvoorbeeld 15- tot 24- en 25- tot 34-jarigen in 2005) waren. Figuur 1 Regelmatige gebitsverzorging gedrag onder volwassen Denen. Deel van de respondenten per leeftijdsgroep die aangaven op zoek naar tandheelkundige zorg op jaarbasis gedurende de vijf jaar voorafgaand aan de enquête jaar. . Opmerking: in 1975 werd de 75+ leeftijdscategorie opgenomen in de 65+ leeftijdscategorie
GEE Resultaten
Op basis van de QIC statistiek voor GEE model selectie, de verklarende variabelen van het uiteindelijke model waren leeftijd, peiljaar, geslacht, SES groep, prothese-dragen, SDC tijdens de kindertijd, en de interactie tussen leeftijd en SDC tijdens de kindertijd (P Restaurant & lt; 0,05) (tabel 2). De vrouwtjes werden geassocieerd met een hogere kans op zoek ADC geregeld, zoals in waardoor de kans op "zoeken ADC regelmatig" lager bij mannen dan bij vrouwen [Odds ratio (OR) = 0,56; 95% CI, 0,50-0,62; P Restaurant & lt; 0,0001]. Ook in vergelijking met de high-SES-groep, de kansen van "op zoek naar ADC regelmatig 'in het lage en middelhoge SES groepen waren beduidend kleiner, met respectievelijk OR 0,39 (95% BI 0,27-0,55) en 0,58 (95% CI, 0,39-0,86). Respondenten draag geen kunstgebit waren veel meer kans om ADC regelmatig te zoeken dan waren de respondenten met zowel de bovenste en onderste kunstgebit (OR = 0,06; 95% BI 0,05-0,08) en die met slechts ofwel een hogere of een lagere kunstgebit (OR = 0,41 ; 95% BI 0,29-0,58) .table 2 Odds ratio's met 95% betrouwbaarheidsintervallen (CI) en P-waarden van de tests van het uiteindelijke model voor de waarschijnlijkheid van het zoeken naar ADC regelmatig door Denen 15 jaar Wald's - 75+ in Denemarken, 1975 - 2005.
verklarende variabele
Odds verhouding
(95% CI)
P-waarde
Age (jr)
|
|
0,1491
65+
|
|
|
45-64
|
|
|
35 -44a
|
|
|
25-34
|
|
Alle auteurs hebben gelezen en ingestemd met de definitieve versie van het manuscript.
| 