Risk Factors for Low Back Pain: A Population‐Based Longitudinal Study
Notice bibliographique
Résumé
OBJECTIVE: To identify risk factors for low back pain (LBP) and lumbar radicular pain and to assess whether obesity and exposure to workload factors modify the effect of leisure-time physical activity on LBP and lumbar radicular pain. METHODS: The population of this 11-year longitudinal study consists of a nationally representative sample of Finns ages ≥30 years (n = 3,505). The outcomes of the study were LBP and lumbar radicular pain for >7 days or for >30 days in the past 12 months at follow-up. RESULTS: LBP and lumbar radicular pain were more common in women than in men. LBP slightly declined with increasing age, while lumbar radicular pain increased with age. Abdominal obesity (defined by waist circumference) increased the risk of LBP (adjusted odds ratio [OR] 1.40 [95% confidence interval (95% CI) 1.16-1.68] for LBP >7 days and adjusted OR 1.41 [95% CI 1.13-1.76] for LBP >30 days) and general obesity (defined by body mass index) increased the risk of lumbar radicular pain (adjusted OR 1.44 [95% CI 1.12-1.85] for pain >7 days and adjusted OR 1.62 [95% CI 1.16-2.26] for pain >30 days). Smoking and strenuous physical work increased the risk of both LBP and lumbar radicular pain. Walking or cycling to work reduced the risk of LBP, particularly LBP for >30 days (adjusted OR 0.75 [95% CI 0.59-0.95]), with the largest reductions among nonabdominally obese individuals and among those not exposed to physical workload factors. Using vibrating tools increased the risk of lumbar radicular pain. CONCLUSION: Lifestyle and physical workload factors increase the risk of LBP and lumbar radicular pain. Walking and cycling may have preventive potential for LBP.
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 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 | 0,002 | 0,003 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».