The Incidence of Dental Disease Nonbattle Injuries in Deployed U.S. Army Personnel
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: In the past, the U.S. Army Reserve (USAR) and Army National Guard (ARNG) have exhibited lower levels of medical and dental readiness than active duty (AD) Soldiers when activated for deployment. OBJECTIVE: The objective was to compare dental disease and nonbattle injury (D-DNBI) incidence rates and describe the most common D-DNBI diagnoses in Army AD, ARNG, and USAR Soldiers deployed to Iraq (Operation Iraqi Freedom/Operation New Dawn) and Afghanistan or Kuwait (Operation Enduring Freedom). METHODS: Data from the Center for AMEDD Strategic Studies (CASS) were used to determine D-DNBI encounter rates and diagnoses for deployed Army Soldiers. RESULTS: "Dental Caries" was the leading diagnosis (10.00%) for Soldiers in both theaters. For Operation Iraqi Freedom, D-DNBI rates were highest in 2010 at 144.05 per 1,000 Soldiers per year (AD 135.77, ARNG 151.39 and USAR 183.76). In comparison, D-DNBI rates in Operation Enduring Freedom were highest in 2012 with an overall rate of 85.77 per 1,000 Soldiers per year (AD 72.48, ARNG 129.38 and USAR 129.52). CONCLUSIONS: In both campaigns, the data suggest that ARNG and USAR Soldiers had higher D-DNBI rates when compared to AD Soldiers. Further investigation is needed to decrease D-DNBI rates and to determine risk factors that may influence D-DNBI rates among Army components during deployments.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle