Prevalence and factors associated with musculoskeletal disorders and rheumatic diseases in indigenous Maya-Yucateco people: a cross-sectional community-based study
Notice bibliographique
Résumé
This study aimed to estimate the prevalence of musculoskeletal disorders and rheumatic diseases in indigenous Maya-Yucateco communities using Community-Oriented Program for Control of Rheumatic Diseases (COPCORD) methodology. The study population comprised subjects aged ≥18 years from 11 communities in the municipality of Chankom, Yucatan. An analytical cross-sectional study was performed, and a census was used. Subjects positive for musculoskeletal (MSK) pain were examined by trained physicians. A total of 1523 community members were interviewed. The mean age was 45.2 years (standard deviation (SD) 17.9), and 917 (60.2 %) were women. Overall, 592 individuals (38.8 %; 95 % CI 36.3-41.3 %) had experienced MSK pain in the last 7 days. The pain intensity was reported as "strong" to "severe" in 43.4 %. The diagnoses were rheumatic regional pain syndromes in 165 (10.8 %; 95 % CI 9.4-12.5), low back pain in 153 (10.0 %; 95 % CI 8.5-11.6), osteoarthritis in 144 (9.4 %; 95 % CI 8.0-11.0), fibromyalgia in 35 (2.2 %; 95 % CI 1.6-3.1), rheumatoid arthritis in 17 (1.1 %; 95 % CI 0.6-1.7), undifferentiated arthritis in 8 (0.5 %; 95 % CI 0.2-0.8), and gout in 1 (0.06 %; 95 % CI 0.001-0.3). Older age, being female, disability, and physically demanding work were associated with a greater likelihood of having a rheumatic disease. In conclusion, MSK pain and rheumatic diseases were highly prevalent. The high impact of rheumatic diseases on daily activities in this indigenous population suggests the need to organize culturally-sensitive community interventions for the prevention of disabilities caused by MSK disorders and diseases.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».