INTRODUÇÃO: Os determinantes sociais de saúde (DSS) influenciam a ocorrência de problemas de saúde e seus fatores de risco na população. Portanto, compreendem os fatores sociais, econômicos, culturais, psicológicos e comportamentais. OBJETIVO: Investigar a literatura em busca de evidências científicas internacionais e nacionais que analisaram a influência dos DSS na ocorrência da perda dentária, para elaboração de um modelo teórico proposto à essa temática. MÉTODOS E MATERIAIS: Trata-se de uma revisão integrativa, em que foram selecionados artigos indexados nas bases dados do PubMed e Scielo, no período de 2012 a 2016, seguindo as recomendações metodológicas de Cooper. Os estudos que atenderam os critérios de elegibilidade foram selecionados e lidos na íntegra. Em seguida, foi realizada a análise e interpretação dos dados coletados e, por fim, uma análise teórica. RESULTADOS: Um total de 15 artigos foram selecionados e analisados, destes 12 eram estudos transversais e 3 ecológicos. A perda dentária foi associada a idade, menor nível de escolaridade, menor nível socioeconômico, gênero, menor renda familiar mensal, raça/cor preta ou parda, entre outros. Além disso, elaborou-se um modelo teórico hierarquizando os DSS entre os fatores mais gerais de natureza social, econômica, política e o grau de influência sobre o edentulismo. CONCLUSÃO: Vários estudos mostram a associação entre os DSS e a perda dentária. Desta forma, o índice de perda dentária mostra-se como um importante instrumento para a identificação de populações social e economicamente vulneráveis.
Objetivo Analisar o perfil e a sobrevida de adultos jovens com carcinoma de células escamosas oral, atendidos entre 2010 a 2016 na Unidade de Alta Complexidade em Oncologia de Feira de Santana, Brasil.Métodos Coorte retrospectiva, realizada através das informações dos prontuários de todos os pacientes jovens atendidos no referido centro. Foi realizada análise descritiva das variáveis, teste exato de Fisher, curva de Kaplan-Meier e teste log rank.Resultados Um total de 35 pacientes foram registrados. A maioria era do sexo masculino, fumantes e etilistas. Os tumores estavam localizados predominantemente em língua, diagnosticados tardiamente e classificados como bem diferenciado, tendo como tratamento de escolha cirurgia associada a radioterapia e quimioterapia. O tempo mediano de sobrevida foi de 31 meses e 22,8% dos pacientes foram a óbito. As variáveis que apresentaram significância estatística em relação ao tempo de sobrevida foram a localização do tumor e o tipo de tratamento.Conclusão O perfil e o baixo tempo de sobrevida refletem a necessidade de uma maior atenção à doença nesta população.
There is a high incidence of oral cancer in Brazil, with 150,000 new cases estimated for 2020-2022. In most cases, it is diagnosed at an advanced stage and are related to many risk factors. The Registro Hospitalar de Câncer (RHC), managed by Instituto Nacional de Câncer (INCA), is a nation-wide database that integrates cancer registers from several hospitals in Brazil. RHC is mostly an administrative database but also include clinical, socioeconomic and hospitalization data for each patient with a cancer diagnostic in the country. For these patients, prognostication is always a difficult task a demand multi-dimensional analysis. Therefore, exploiting large-scale data and machine intelligence approaches emerge as promising tool for computer-aided decision support on death risk estimation. Given the importance of this context, some works have reported high prognostication effectiveness, however with extremely limited data collections, relying on weak validation protocols or simple robustness analysis. Hence, this work describes a detailed workflow and experimental analysis for oral cancer patient survival prediction considering careful data curation and strict validation procedures. By exploiting multiple machine learning algorithms and optimization techniques the proposed approach allowed promising survival prediction effectiveness with F1 and AuC-ROC over 0.78 and 0.80, respectively. Moreover, a detailed analysis have shown that the minimization of different types of prediction errors were achieved by different models, which highlights the importance of the rigour in this kind of validation.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.