Upper extremity pain and computer use among engineering graduate students: A replication study
Notice bibliographique
Résumé
BACKGROUND: Recent literature identified upper extremity musculoskeletal symptoms at a prevalence of >40% in college populations. The study objectives were to determine weekly computer use and the prevalence of upper extremity musculoskeletal symptoms in a graduate student population, and make comparisons with previous graduate and undergraduate cohorts. METHODS: One hundred sixty-six graduate students completed a survey on computing and musculoskeletal health. Associations between individual factors and symptom status, functional limitations, academic impact, medication use, and health services utilization were determined. Logistic regression analyses evaluated the association between symptom status and computing. Cross-study comparisons were made. RESULTS: More symptomatic participants experienced functional limitations than asymptomatic participants (74% vs. 32%, P < 0.001) and reported medication use for computing pain (34% vs. 10%, P < 0.01). More participants who experienced symptoms within an hour of computing used health services compared to those who experienced symptoms after an hour of computer use (60% vs. 12%, P < 0.01). Years of computer use (OR = 1.59, 95% CI 1.05-2.40) and number of years in school where weekly computer use was more than 10 hr (OR = 1.56, 95% CI 1.04-2.35) were associated with pain within an hour of computing. Cross-study comparisons found college populations more similar than different. CONCLUSION: The overall findings reinforced previous literature documenting the prevalence of upper extremity musculoskeletal symptoms in college populations, suggesting an important population for participating in public health interventions designed to support healthy computing practices and identify risk factors important to evaluate in future cohort studies. Am. J. Ind. Med. 52:113-123, 2009. (c) 2008 Wiley-Liss, Inc.
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 | 0,002 | 0,001 |
| 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 ».