Examining Electronic Health Records to Investigate Sex Differences in Oral Diseases and Conditions.

چکیده اصلی

OBJECTIVES: Sexual dimorphism has been shown to influence disease predisposition and/or progression, although population-based studies in dental, oral, and craniofacial (DOC) diseases and conditions are limited. This study aimed to identify sex-based differences in DOC diseases/conditions using two large health data repositories. METHODS: Retrospective cross-sectional study of health record data obtained from adult participants (> 18 years old) in the NIH All of Us Research Program (n = 254,700) and the BigMouth Data Repository (n ≈ 4.7 million). The number of males and females presenting each selected condition in each database was recorded. Sex-specific association analysis for each condition was performed using chi-square tests (α ≤ 0.0002). Female-to-male odds ratio (OR) and confidence intervals were also calculated. RESULTS: Significant sex-related differences were found for 61/87 concepts (70%), with 33 concepts (54%) showing female bias and 28 (46%) showing male bias (p ≤ 0.0002). Analysis of BigMouth data showed sex bias for 90/230 (39%) concepts investigated, of which 87 (97%) showed female bias and 3 (3%) showed male bias (p ≤ 0.0002). CONCLUSIONS: This study provides evidence of sex bias in numerous oral and dental conditions in the populations studied. Additional studies in other populations might provide further insight into the role of sexual dimorphism in these conditions.

ترجمه فارسی چکیده

هدف این مطالعه شناسایی تفاوت‌های مبتنی بر جنسیت در بیماری‌ها و شرایط دندانپزشکی و دهانی (DOC) با استفاده از دو مخزن داده بزرگ سلامت بود. این مطالعه یک بررسی پس‌رونده مقطعی از داده‌های سوابق سلامت از شرکت‌کنندگان بالغ (> 18 سال) در برنامه تحقیقاتی NIH All of Us (n = 254,700) و مخزن داده BigMouth (n ≈ 4.7 میلیون) بود. تعداد مردان و زنانی که هر یک از شرایط انتخابی را در هر پایگاه داده نشان می‌دادند ثبت شد. تحلیل همبستگی مخصوص جنسیت برای هر شرایط با استفاده از آزمون‌های کای-مربع (α ≤ 0.0002) انجام شد. نسبت شانس (OR) و بازه اطمینان از زن به مرد نیز محاسبه شد. تفاوت‌های مرتبط با جنسیت معناداری برای 61 از 87 مفهوم (70%) یافت شد، از جمله 33 مفهوم (54%) با سوگیری زنانه و 28 (46%) با سوگیری مردانه (p ≤ 0.0002). تحلیل داده‌های BigMouth نشان‌دهنده سوگیری جنسیتی برای 90 از 230 مفهوم (39%) مورد بررسی بود، از جمله 87 (97%) با سوگیری زنانه و 3 (3%) با سوگیری مردانه (p ≤ 0.0002). این مطالعه شواهدی از سوگیری جنسیتی در بسیاری از شرایط دهانی و دندانپزشکی در جمعیت‌های مطالعه شده ارائه می‌دهد. مطالعات تکمیلی در جمعیت‌های دیگر ممکن است بینش بیشتری در مورد نقش دوقلوسی جنسیتی در این شرایط ارائه دهد.

متن کامل اصلی