Aspects épidémiologiques des fractures de membres liées à l’exercice de la fonction militaire au Togo
Notice bibliographique
Résumé
Le but de notre étude était de déterminer la fréquence des fractures de membres liées à l'exercice de la fonction militaire au sein des Forces de Défense et de Sécurité en milieu africain en vue de ressortir l'impact des différentes circonstances de survenue. Nous avons entrepris une étude rétrospective descriptive allant du 1er janvier 2004 au 31 décembre 2013. Elle a concerné les agents des forces de défense et de sécurité traités pour des fractures de membres au cours de cette période. Sept cent quatre (704) cas de fractures de membres ont été dénombrées. La moyenne d'âge des patients était de 30,57 ans avec des extrêmes de 19 et 55 ans et une nette prédominance masculine (95,71%). L'Armée de Terre (51,05%) et la Gendarmerie Nationale (38,86%) étaient les plus représentées. Les hommes du rang étaient majoritaires (43,08%), suivis des sous-officiers (32,59%). La fréquence annuelle des fractures de membres en rapport avec la profession militaire était de 63 cas. Les fractures de jambe étaient les lésions les plus recensées (32,96 %). Les Formations et les stages militaires ont été les circonstances de survenue les plus rencontrées (42,60 %), suivies des accidents de la circulation (39,43%). La perte des journées de service liée à ces lésions était estimée à 14009 jours par an. Les fractures de jambes occupent le premier rang des fractures de membres en rapport avec l'exercice de la profession militaire. Les formations-stages militaires et les accidents de la voie publique en sont les deux grandes circonstances de survenue.
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.
Comment cette classification a été obtenuedéplier
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 | 0,013 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».