Epidemiology of facial fractures: incidence, prevalence and years lived with disability estimates from the Global Burden of Disease 2017 study
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: The Global Burden of Disease Study (GBD) has historically produced estimates of causes of injury such as falls but not the resulting types of injuries that occur. The objective of this study was to estimate the global incidence, prevalence and years lived with disability (YLDs) due to facial fractures and to estimate the leading injurious causes of facial fracture. METHODS: We obtained results from GBD 2017. First, the study estimated the incidence from each injury cause (eg, falls), and then the proportion of each cause that would result in facial fracture being the most disabling injury. Incidence, prevalence and YLDs of facial fractures are then calculated across causes. RESULTS: Globally, in 2017, there were 7 538 663 (95% uncertainty interval 6 116 489 to 9 493 113) new cases, 1 819 732 (1 609 419 to 2 091 618) prevalent cases, and 117 402 (73 266 to 169 689) YLDs due to facial fractures. In terms of age-standardised incidence, prevalence and YLDs, the global rates were 98 (80 to 123) per 100 000, 23 (20 to 27) per 100 000, and 2 (1 to 2) per 100 000, respectively. Facial fractures were most concentrated in Central Europe. Falls were the predominant cause in most regions. CONCLUSIONS: Facial fractures are predominantly caused by falls and occur worldwide. Healthcare systems and public health agencies should investigate methods of all injury prevention. It is important for healthcare systems in every part of the world to ensure access to treatment resources.
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 | 0,000 | 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 | 0,000 |
| 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