Individual Participant Data Meta-Analysis of Mechanical Workplace Risk Factors and Low Back Pain
Notice bibliographique
Résumé
OBJECTIVES: We used individual participant data from multiple studies to conduct a comprehensive meta-analysis of mechanical exposures in the workplace and low back pain. METHODS: We conducted a systematic literature search and contacted an author of each study to request their individual participant data. Because outcome definitions and exposure measures were not uniform across studies, we conducted 2 substudies: (1) to identify sets of outcome definitions that could be combined in a meta-analysis and (2) to develop methods to translate mechanical exposure onto a common metric. We used generalized estimating equation regression to analyze the data. RESULTS: The odds ratios (ORs) for posture exposures ranged from 1.1 to 2.0. Force exposure ORs ranged from 1.4 to 2.1. The magnitudes of the ORs differed according to the definition of low back pain, and heterogeneity was associated with both study-level and individual-level characteristics. CONCLUSIONS: We found small to moderate ORs for the association of mechanical exposures and low back pain, although the relationships were complex. The presence of individual-level OR modifiers in such an area can be best understood by conducting a meta-analysis of individual participant data.
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 | 0,048 | 0,101 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,023 | 0,060 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».