A New System for Severity Scoring of Facial Fractures
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
Facial fractures are often the result of high-velocity trauma, causing skeletal disruption affecting multiple anatomic sites to varying degrees. Although several widely accepted classification systems exist, these are mostly region-specific and differ in the classification criteria used, making it impossible to uniformly and comprehensively document facial fracture patterns. Furthermore, a widely accepted system that is able to provide a final summary measure of fracture severity does not exist, making it difficult to investigate the epidemiologic data surrounding facial fracture severity. In this study, a comprehensive method for panfacial fracture documentation and severity measurement is proposed and validated through a retrospective analysis of 63 patients operated on for acute facial fracture. The severity scale was validated through statistical analysis of correlation with surrogate markers of severity (operating room procedure time and number of implants). Spearman correlation coefficients were calculated, and a statistically significant correlation was found between severity score and both number of implants and operating room procedure time (R = 0.92790 and R = 0.68157, respectively). Intraclass correlation coefficients were calculated to assess intrarater and interrater reliabilities of the severity scale and were found to be high (0.97 and 0.99, respectively). This severity scale provides a valuable, validated research tool for the investigation of facial fracture severity across patient populations, allowing for systematic evaluation of facial fracture outcomes, cost-benefit analysis, and objective analysis of the effect of specific interventions.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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