Factors affecting finger and hand pain in workers with HAVS
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
BACKGROUND: Pain and its management are important aspects of hand-arm vibration syndrome (HAVS). AIMS: To determine the factors associated with finger and hand pain in workers with HAVS and, specifically, to assess the impact of several neurological variables as well as the vascular component of HAVS, grip strength and age. METHODS: We assessed men with HAVS at a hospital occupational medicine clinic over 2 years. Subjects scored finger and hand pain separately using the Borg Scale (0-10). The possible predictors we evaluated included the Stockholm Neurological Scale (SNS) and Stockholm Vascular Scale (SVS) stages, current perception threshold (CPT), carpal tunnel syndrome (CTS), ulnar neuropathy, grip strength and age. We carried out nerve conduction testing to confirm the presence of CTS and ulnar neuropathy and measured CPT in the fingers at 2000 Hz, 250 Hz and 5 Hz corresponding to A-beta (large myelinated), A-delta (small myelinated) and C (unmyelinated) fibres, respectively. We calculated Spearman rank correlations to examine the relation between finger and hand pain and possible predictor variables. RESULTS: Among the 134 subjects, the median (25th-75th percentile) pain scores were 6 (4-8) for the fingers and 5 (1-7) for the hands. We found statistically significant correlations with finger pain for the SVS stage (r = 0.239; P < 0.01) and CTS (r = 0.184; P < 0.05). The only statistically significant correlation identified for hand pain was a negative correlation with grip strength (r = -0.185; P < 0.05). CONCLUSIONS: Management of finger and hand pain in HAVS should focus on the correlates we have identified.
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 | 0,002 |
| 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