Prevalence of musculoskeletal symptoms among Canadian firefighters
Notice bibliographique
Résumé
BACKGROUND: Musculoskeletal symptoms (MSSs) remain the most frequently reported type of injuries sustained during fire-ground operations in firefighters. However, there is a paucity of reports concerning the prevalence estimates of MSSs among female firefighters and different fire services across Canada. OBJECTIVES: To assess the point prevalence of self-reported MSSs, stratified by age and sex in a cohort of active duty firefighters from across Canada, and to determine whether age, sex or length of service can be used to predict the likelihood of the number of MSSs sustained. METHODS: We recruited 390 firefighters (272 males, 118 females). To identify the prevalence of self-reported rates of MSSs, firefighters were asked to complete a standardized 11-item questionnaire that asked, "Please indicate whether you have experienced pain in any body region within the last week", with response options that included "Yes", "No", and "Head", "Neck", "Shoulder", "Arm/Elbow/Hand", "Back", "Stomach/Abdomen", "Upper Thigh", "Knee", "Lower Leg", "Foot", "Other, please specify". RESULTS: Among the 390 full-time firefighters, 212 (54%) indicated to have experienced some type of MSSs within the last week. The most prevalent region-specific MSSs included, 123 (32%) in the back region, 92 (24%) in the shoulder region, 74 (19%) in the neck region and 70 (18%) in the knee region. In addition, women indicated a 1.6 times greater likelihood of sustaining ≥2 MSSs when controlling for individual differences in age and years of service. CONCLUSIONS: The point prevalence of MSSs in a cohort of full-time firefighters was 54% (55% males; 53% females). Women experienced a 1.4-1.6 times greater likelihood of sustaining MSSs when controlling for individual differences in age and years of service.
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 | 0,000 | 0,000 |
| 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) | 0,002 | 0,001 |
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 ».