MétaCan
Menu
Retour à la cohorte
Enregistrement W2990711364 · doi:10.3390/ijerph16234667

The Association Between Fitness Test Scores and Musculoskeletal Injury in Police Officers

2019· article· en· W2990711364 sur OpenAlexafffund
Liana Lentz, Jason R. Randall, Christine Guptill, Douglas P. Gross, Ambikaipakan Senthilselvan, Donald C. Voaklander

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Performance
Établissements canadiensUniversity of Alberta
Organismes subventionnairesGovernment of Alberta
Mots-clésMusculoskeletal injuryTest (biology)Association (psychology)OfficerInjury preventionOccupational safety and healthHuman factors and ergonomicsMultivariate statisticsPhysical fitnessMedicinePoison controlMultivariate analysisPhysical therapyPsychologyEnvironmental healthInternal medicineStatisticsAlternative medicine

Résumé

récupéré en direct d'OpenAlex

A police officer’s career is hazardous and physically demanding. In order to perform occupational tasks effectively and without injury, officers require adequate physical abilities. The aim of this study was to investigate the relationship between scores on several fitness tests and musculoskeletal injury in a group of municipal police officers. This retrospective study used existing data to examine the relationship between risk of injury and fitness test performance. Injured and uninjured police officers scored significantly differently on several fitness measures. A multivariate regression indicated that a combination of age, sex, number of pull ups completed and maximal oxygen consumption (VO2max) best explained injury risk. Additionally, the findings indicated an interaction between sex and VO2max, and so the effect of VO2max on injury risk cannot be understood without accounting for sex.

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)0,000
score de la tête « metaresearch » (Gemma)0,003
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
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,066
Tête enseignante GPT0,478
Écart entre enseignants0,413 · 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

Citations37
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetOccupational Health and PerformanceTravaux en français237 207