Risk factors for persistent elbow, forearm and hand pain among computer workers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: This study examined the influence of work-related and personal factors on the prognosis of "severe" elbow, forearm, and wrist-hand pain among computer users. METHODS: In a 1-year follow-up study of 6943 computer users, 673 (10%) participants reported "quite a lot" or more trouble due to elbow, forearm, or wrist-hand pain during the 12 months preceding the baseline questionnaire. Pain status (recovery versus persistence) at follow-up was examined in relation to computer work aspects and ergonomic, psychosocial, and personal factors by questionnaire. In addition, data on objectively recorded computer usage were available for 42% of the participants during the follow-up, measured by means of a program (WorkPaceRecorder) installed on their computers. RESULTS: During the follow-up, two-thirds of the baseline cases improved to some degree, but only one-third experienced substantial improvement. The prognosis was not influenced by mouse or keyboard work (time, speed, micropauses, and average activity periods) or ergonomic workplace conditions. Keyboard times, however, were very low. Pain in other regions was a predictor of persistent arm pain. Except for time pressure, female gender, and type-A behavior, the prognosis seemed independent of psychosocial workplace factors and personal factors. A few cases with severe pain were affected at a level which could be compared to clinical pain conditions. CONCLUSIONS: Our results do not support the hypothesis that computer work activity or ergonomic conditions influence the prognosis of severe arm pain. This result is somewhat surprising and should be tested in other studies. Pain in other regions implies a poorer prognosis for arm pain.
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.
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 découle