P60. Presentation And Management of Ballistic Mandibular Fractures
Notice bibliographique
Résumé
PURPOSE: Ballistic mandibular fractures can cause devastating injury. However, there is a lack of data regarding their management. Here, we examine the management and outcomes of patients with ballistic mandibular fractures. METHODS: A retrospective study was conducted reviewing patients with firearm-related mandibular injury presenting to a Level 1 Trauma Center from 2018-2023. RESULTS: 90 patients were included. The average age was 29.3 ± 13.2 years and 74 (82.2%) were male. 82 (91.1%) presented post-assault, 6 (6.7%) after self-inflicted injury, and 2 (2.2%) after accidental injury. Body fractures were the most common (40.0%) followed by ramus (25.6%) and angle (13.3%) fractures. 47 patients (52.2%) also had non-facial injuries. On presentation, 68 patients (75.6%) were intubated; 34 (37.8%) of them later required tracheostomy. 40 patients (44.4%) presented with significant bleeding; 14 (15.6%) were taken to the operating room and 8 (8.9%) were taken for embolization. 67 patients (74.4%) required surgical repair; 48 of them (71.6%) were repaired with internal fixation, 16 (23.9%) required bone grafts, 45 (67.2%) were placed in maxillomandibular fixation, and 3 (3.3%) required microvascular reconstruction. 14 patients (15.6%) had complications post-operatively; 2 (2.2%) had wound healing complications, 6 (6.7%) had infection, 3 (3.3%) had exposed hardware, 3 (3.3%) had malunion, and 1 (1.1%) had palatal fistula and carotid-cavernous fistula, respectively. 12 (13.3%) required surgery for complications. Neurologic complications led to mortality in 6 (6.7%) patients. CONCLUSION: Ballistic mandible fractures present a unique challenge. Our study is one of the few to examine management and complications of ballistic mandibular trauma.
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 | 0,000 | 0,000 |
| 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 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 ».