Dental Treatments During the COVID-19 Pandemic in Three Hospitals in Jordan: Retrospective Study
Notice bibliographique
Résumé
BACKGROUND: Cases of COVID-19 first emerged in December 2019. Since then, the virus has spread rapidly worldwide, with daily increases in the numbers of infections and deaths. COVID-19 spreads via airborne transmission, which renders dental treatment a potential source of virus transmission. Dental treatments require the use of handpieces, ultrasonic devices, or air-water syringes, which generate considerable amounts of aerosols. Jordan, being one of the affected countries, instituted preventive lockdown measures on March 17, 2020. Emergency dental treatments were only allowed in dental clinics of the Royal Medical Services of Jordan Armed Forces and Ministry of Health, and were prohibited in other sectors such as private clinics and universities. OBJECTIVE: The aim of this study is to investigate the dental treatments performed in three military hospitals during the 44-day lockdown period in Jordan. The investigation explores the impact of COVID-19 on the number of patients and types of performed dental treatments. METHODS: Data such as number of patients, patients' age and gender, and performed dental treatments were collected retrospectively from the hospital records and were analyzed. RESULTS: Our results showed a 90% (17,591 to 1689) decrease in patient visits during the lockdown period compared to regular days. The total number of treatments (n=1689) during the lockdown period varied between endodontic cases (n=877, 51.9%), extraction and other surgical cases (n=374, 22.1%), restorative cases (n=142, 8.4%), orthodontic treatments (n=4, 0.2%), and other procedures (n=292, 17.3%). The differences in gender and age group among all clinics were statistically significant (P<.001 and P=.02, respectively). CONCLUSIONS: The COVID-19 pandemic had a significant effect on the number of patients seeking dental treatments. It also affected the types of treatments performed. Endodontic treatment accounted for almost 50% of patient load during the lockdown compared to approximately 20% during regular days.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 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 | 0,001 | 0,001 |
| 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 ».