Occupational Kneeling and Meniscal Tears: A Magnetic Resonance Imaging Study in Floor Layers
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the association between occupational kneeling and degenerative meniscal tears. METHODS: Magnetic resonance imaging (MRI) of both knees was conducted in 92 male floor layers and 49 male graphic designers (referents), with a mean age of 55.6 years (range 42-70 yrs). The presence of grade 3 MRI signal intensities indicating degenerative tears of the anterior, middle, and posterior one-third of the lateral and medial menisci was assessed on 1.5-Tesla MRI scans. The odds ratio (OR) of meniscal tears was determined among floor layers compared to graphic designers. Using logistic regression, models were adjusted for age, body mass index, and knee-straining sports. RESULTS: Degenerative tears were significantly more prevalent in the medial meniscus among floor layers than among graphic designers [OR 2.28, 95% confidence interval (CI) 1.10-4.98] and significantly more floor layers had medial tears in both knees (OR 3.46, 95% CI 1.41-8.48). Tears extending to the tibial aspect and localized in the middle and posterior one-third of the medial meniscus were most prevalent. Lateral meniscal tears were predominantly unilateral and the prevalence of lateral tears did not differ between the 2 study groups. Knee complaints occurred in about 50% of all floor layers, irrespective of the presence of meniscal tears. CONCLUSION: Occupational kneeling increases the risk of degenerative tears in the medial but not the lateral menisci in both knees.
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 | 0,000 |
| 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 ».