Aspects épidémiologiques des fractures de membres liées à l’exercice de la fonction militaire au Togo
Bibliographic record
Abstract
Le but de notre étude était de déterminer la fréquence des fractures de membres liées à l'exercice de la fonction militaire au sein des Forces de Défense et de Sécurité en milieu africain en vue de ressortir l'impact des différentes circonstances de survenue. Nous avons entrepris une étude rétrospective descriptive allant du 1er janvier 2004 au 31 décembre 2013. Elle a concerné les agents des forces de défense et de sécurité traités pour des fractures de membres au cours de cette période. Sept cent quatre (704) cas de fractures de membres ont été dénombrées. La moyenne d'âge des patients était de 30,57 ans avec des extrêmes de 19 et 55 ans et une nette prédominance masculine (95,71%). L'Armée de Terre (51,05%) et la Gendarmerie Nationale (38,86%) étaient les plus représentées. Les hommes du rang étaient majoritaires (43,08%), suivis des sous-officiers (32,59%). La fréquence annuelle des fractures de membres en rapport avec la profession militaire était de 63 cas. Les fractures de jambe étaient les lésions les plus recensées (32,96 %). Les Formations et les stages militaires ont été les circonstances de survenue les plus rencontrées (42,60 %), suivies des accidents de la circulation (39,43%). La perte des journées de service liée à ces lésions était estimée à 14009 jours par an. Les fractures de jambes occupent le premier rang des fractures de membres en rapport avec l'exercice de la profession militaire. Les formations-stages militaires et les accidents de la voie publique en sont les deux grandes circonstances de survenue.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".