MétaCan
Menu
Retour à la cohorte
Enregistrement W2735066003 · doi:10.1002/ajim.22736

Dupuytren's contracture and handwork: A case‐control study

2017· article· en· W2735066003 sur OpenAlexaff
A. T. Haines, Carolyn Lévis, Charles H. Goldsmith, Manraj Kaur, Eric Duku, Richard Wells, Stephen D. Walter, Cheryl Rook, Susan Stock, Gary M. Liss, Jessica Murphy, Achilleas Thoma

Notice bibliographique

RevueAmerican Journal of Industrial Medicine · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueDupuytren's Contracture and Treatments
Établissements canadiensPublic Health OntarioUniversity of TorontoOntario Ministry of LabourUniversité de MontréalCentre Hospitalier de l’Université de MontréalUniversity of WaterlooHamilton Health SciencesMcMaster University Medical CentreCanada Auto WorkersChedoke HospitalInstitute for Work & HealthSimon Fraser UniversityMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineLogistic regressionHeredityInternal medicineCase-control studyFamily historyRisk factorDupuytren's contractureIntensity (physics)SurgeryContracture

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The objective of this study was to examine the association between Dupuytren's contracture (DC), repetitive handwork (RHW), heavy handwork (HHW), and/or vibration exposure. METHODS: Frequency and intensity of the three types of handwork were collected and compared between DC patients and controls. Hours of work were weighted by average "frequency," for RHW, and average "intensity," for HHW and use of vibrating tool. Logistic regression was used to evaluate risk of developing DC associated with the above-mentioned factors. RESULTS: Data from 129 cases (74 clinical, 106 controls) was analyzed. Family history, male gender and age (decades) were associated with increased risk of DC. Results indicate that the risk becomes substantial after about 30 years of steady RHW. Independent effects of intensity-weighted HHW and vibrating exposure were not established. CONCLUSIONS: Frequency-weighted RHW increases DC risk. Additionally, a strong association between DC, male gender and heredity was found.

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)0,001
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
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 recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,034
Tête enseignante GPT0,330
Écart entre enseignants0,296 · 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

Citations16
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Industrial MedicineMême sujetDupuytren's Contracture and TreatmentsTravaux en français237 207