Prise en charge médicale des entorses de cheville succédant à un saut en parachute à ouverture automatique : audit clinique rétrospectif de 2013 à 2017 au sein de l'école des troupes aéroportées de Pau
Bibliographic record
Abstract
Contexte : le traumatisme de la cheville est la pathologie la plus frequente en parachutisme militaire. Cette etude evalue la prise en charge de l’entorse de cheville apres un saut a ouverture automatique (SOA) au sein de l’Ecole des Troupes Aeroportees de Pau (ETAP) entre le 1er janvier 2013 et le 1er janvier 2017. Methode : cette etude a analysee initialement les traumatismes de la cheville suite a un SOA puis apres exclusion des fractures lors du diagnostic, la prise en charge medicale des entorses de chevilles. Leur prise en charge lors des consultations suivantes furent auditees selon la grille d’evaluation reactualisee de la Veme conference de consensus de 1995. Resultats : des 249 traumatismes, 224 furent inclus. La sensibilite des criteres d’Ottawa atteint 100% pour une specificite de 27,5% apres deux premieres consultations. Le protocole RICE et la contention sont prescrits conformement dans plus de 90% des cas. 46% des patients ont beneficie de kinesitherapie. 50 % des patients n’ont pas ete revus en visite de controle. Les patients n’ayant pas recu initialement de diagnostic de gravite sont peu revus. 64% des entorses graves n’ont pas eu de suivi medical conforme aux recommandations. Conclusion : les medecins militaires appliquent correctement les recommandations. Des axes d’ameliorations sont cependant necessaires pour optimiser la prise en charge. Deux plans d’action ont ete realises : un pour les medecins de l’antenne medicale de l’ETAP et un pour les medecins soutenant les regiments parachutistes. Une reevaluation des actions d’amelioration sera necessaire afin de s’assurer de leur efficacite.
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 | 0.006 | 0.025 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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".