Bibliographic record
Abstract
Le but de cette étude est de faire le point sur la prise en charge de la petite traumatologie en médecine générale et de déterminer les facteurs l'influençant. Méthode: Etude quantitative s'étalant sur une période allant du 2 mai 2011 au 31 juillet 2011 par le biais d'un questionnaire envoyé à 395 médecins généralistes tirés au sort et exerçant dans le département de la Seine Maritime Résultats: Il y a eu 165 questionnaires exploitables soit un taux de réponse de 44,3%. L'échantillon est composé de 115 hommes et 49 femmes. 31,1 % des médecins exercent en zone rurale et 68,9% en zone urbaine. Il y a 23,8% des médecins interrogés qui ont une formation spécifique à la traumatologie avec une différence significative en faveur des hommes (p = 0,009). Concernant les plaies, 68,3% des médecins affirment effectuer des sutures en cabinet dont 45% n'utilisent pas d'anesthésie et 21,5% pratiquent les sutures des muqueuses en cabinet. 26 médecins effectuent la réinsertion unguéale en cabinet. Il y a une différence significative entre la pratique des sutures et la zone d'activité (p < 0,0001) et de même selon le type d'installations (p = 0,0127). Pour les brûlures la grande majorité prend en charge les brûlures du 1 er et du 2ème degré superficiel. Le suivi et les pansements sont effectués par les infirmières dans 81% des cas. Dans les entorses de cheville 66% des médecins interrogés n'utilisent pas les critères d'Ottawa. Les utilisateurs de ces critères sont surtout les médecins ayant une formation à la traumatologie. Dans 46,9% des cas, pour la réalisation d'une radiographie, les médecins envoient les patients aux urgences. Conclusion: On observe une population médicale vieillissante et aussi une féminisation de la profession. Il n'y a pas beaucoup de consensus sur la prise en charge de la petite traumatologie en médecine générale. Les médecins en zone rurale effectuent plus d'actes que leurs confrères en zone urbaine.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.033 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.004 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.004 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".