Dental injuries at the Xi’an, China Stomatological Hospital: A Retrospective Study
Notice bibliographique
Résumé
BACKGROUND/AIM: In order to enrich epidemiological knowledge regarding traumatic dental injuries (TDI) in China, and to further improve the treatment, prevention and education of TDI, the aim of this study was to retrospectively analyze the TDI that presented to the emergency dental department at the Stomatological Hospital in Xi'an, China. METHODS: This retrospective study included all first-visit patients who presented with TDI at the Stomatological Hospital affiliated with the Fourth Military Medical University in Xi'an, China, between January 2013 and June 2019. Data were extracted using the terms of diagnosis of TDI from the hospital database. RESULTS: Overall, 965 (606 males and 359 females) files were reviewed. The average age was 22.8 ± 13.4 years. Among the 2059 teeth injured (average of 2.1 teeth per patient), the maxillary incisors (1751; 85.0%) were the most prevalent teeth to present with injuries, while the main types of injuries were concussions (14.8%) enamel-dentin-fractures (14.50%) and enamel-dentin-pulp fractures (14.0%). After initial examination and diagnosis, 4.2% patients refused treatment. CONCLUSIONS: The epidemiological statistics of TDI in Xi'an, China show consistency with other studies from around the world, but they also vary in diagnosis proportion and the choice of treatments. This information may further instruct treatment, prevention and emergency resources distribution to target the high-risk groups.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».