Predictors of Back Pain in a General Population Cohort
Notice bibliographique
Résumé
STUDY DESIGN: The study used longitudinal data from the first and second cycles (1994-1995 and 1996-1997) of the Canadian National Population Health Survey. OBJECTIVE: Our objective was to derive prediction models for back pain in the general male and female household populations. SUMMARY OF BACKGROUND DATA: Little is known about the predictors of back pain in the general population. Most previous studies focused on specific occupational groups and used a cross-sectional or case-control design. METHODS: The study cohort consisted of all respondents aged 18+ years who reported no back problems in the 1994-1995 National Population Health Survey cycle (N = 11,063). Potential predictors of chronic back pain were classified into nine groups and entered into stepwise logistic regression models. Bootstrap methods were used to derive the final models and assess their predictive power. RESULTS: The overall incidence of back pain was 44.7 per 1,000 person-years and was higher in women (47.0 per 1,000 person-years) compared with men (42.2 per 1,000 person-years). In men, significant predictors of back pain were age (peak effect in 45-64 years), height, self-rated health, usual pattern of activity (especially heavy work), yard work or gardening (negative association), and general chronic stress. In women, significant factors were self-reported restrictions in activity, being diagnosed with arthritis, personal stress, and history of psychological trauma in childhood or adolescence. CONCLUSIONS: Overall health and psychosocial factors are important predictors of back pain in both men and women. Other risk factors differ between the two sexes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».