Quebec Serve and Protect Low Back Pain Study
Notice bibliographique
Résumé
STUDY DESIGN: Web-based cross-sectional study. OBJECTIVE: The aim of this study was to describe the prevalence and the burden of low back pain (LBP) and chronic low back pain (CLBP) among Quebec police officers. SUMMARY OF BACKGROUND DATA: Police officers have work-related factors associated with LBP, but chronicity and impacts of this condition have been little explored among this population. METHODS: Between May and October 2014, a web-based cross-sectional study was conducted among police officers working in the province of Quebec (Canada). Nine police organizations accepted to disseminate the email invitation to their members. The survey included the French-Canadian version of the Nordic Musculoskeletal Questionnaire and other items regarding functional impact of LBP and associated treatments. RESULTS: A total of 3589 police officers completed the questionnaire. Mean age was 38.5 ± 8.7 years, 32.0% were women, and 67.4% reported being car-patrol officers. A majority reported LBP symptoms in the past 12 months (67.7%) and 96.5% of them perceived that presence of LBP was totally/partially linked to their work in the police force. Prevalence of CLBP among all responders was 28.7%. Police officers reporting CLBP, as compared to those reporting acute or subacute LBP symptoms in the past 12 months, were more likely to report LBP-related reduction of work activities (64.4% vs. 45.7%; P < 0.001) and more working days lost in the past 12 months (average of 11.9 ± 43.5 vs. 1.5 ± 9.8; P < 0.001). A greater proportion also reported LBP-related health care visits in the past 12 months (86.2% vs. 64.2%; P < 0.001) and current use of pain medications/complementary alternative medicines (90.1% vs. 69.7%; P < 0.001). CONCLUSION: CLBP is a frequent and burdensome condition among Quebec police officers. Our results underline the importance for police organizations to promote CLBP prevention and to implement workplace management programs. LEVEL OF EVIDENCE: 3.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».