MétaCan
Menu
Retour à la cohorte
Enregistrement W2052437409 · doi:10.1093/aje/154.1.30

Risk Factors for the Development of Low Back Pain in Adolescence

2001· article· en· W2052437409 sur OpenAlexafffundabout
Debbie Ehrmann Feldman

Notice bibliographique

RevueAmerican Journal of Epidemiology · 2001
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Performance
Établissements canadiensJewish General Hospital
Organismes subventionnairesHealth Canada
Mots-clésOdds ratioMedicineLow back painConfidence intervalBack painCohortIncidence (geometry)Risk factorCohort studyOddsPhysical therapyPediatricsInternal medicineLogistic regressionPathology

Résumé

récupéré en direct d'OpenAlex

A previous history and earlier onset of low back pain are associated with chronic low back pain in adults, implying that prevention in adolescence may have a positive impact in adulthood. The study objectives were to determine the incidence of low back pain in a cohort of adolescents and to ascertain risk factors. A cohort of 502 high school students in Montreal, Canada, was evaluated during 1995-1996 at three separate times, 6 months apart. The outcome was low back pain occurrence at a frequency of at least once a week in the previous 6 months. Of the 377 adolescents who did not complain of low back pain at the initial evaluation, 65 developed low back pain over the year (cumulative incidence, 17 percent). Risk factors associated with development of low back pain were high growth (odds ratio = 3.09; 95 percent confidence interval (CI): 1.53, 6.01), smoking (odds ratio = 2.20; 95% CI: 1.38, 3.50), tight quadriceps femoris (odds ratio = 1.02; 95% CI: 1.00, 1.05), tight hamstrings (odds ratio = 1.04; 95% CI: 1.01, 1.06), and working during the school year (odds ratio = 1.33; 95% CI: 1.03, 1.71). Modifying such risk factors as smoking and poor leg flexibility may potentially serve to prevent the development of low back pain in adolescents.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,174
Score d'incertitude au seuil0,345

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,129
Tête enseignante GPT0,473
Écart entre enseignants0,344 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations334
Publié2001
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of EpidemiologyMême sujetOccupational Health and PerformanceTravaux en français237 207