Prevalence and risk factors for back pain in sports: a systematic review with meta-analysis
Notice bibliographique
Résumé
Objectives We aimed to determine the prevalence of low back pain (LBP) in sport, and what risk factors were associated with LBP in athletes. Design Systematic review with meta-analysis. Data sources Literature searches from database inception to June 2019 in Medline, Embase, Cumulated Index to Nursing and Allied Health Literature (CINAHL), Web of Science and Scopus, supplemented by grey literature searching. Eligibility criteria Studies evaluating prevalence of LBP in adult athletes across all sports. Results Eighty-six studies were included (30 732, range 20–5958, participants), of which 45 were of ‘high’ quality. Definitions of LBP varied widely, and in 17 studies, no definition was provided. High-quality studies were pooled and the mean point prevalence across six studies was 42%; range 18%–80% (95% CI 27% to 58%, I 2 =97%). Lifetime prevalence across 13 studies was 63%; range 36%–88% (95% CI 51% to 74%, I 2 =99%). Twelve-month LBP prevalence from 22 studies was 51%; range 12%–94% (95% CI 41% to 61%, I 2 =98%). Comparison across sports was limited by participant numbers, study quality and methodologies, and varying LBP definitions. Risk factors for LBP included history of a previous episode with a pooled OR of 3.5; range 1.6–4.0 (95% CI 1.9 to 6.4). Statistically significant associations were reported for high training volume, periods of load increase and years of exposure to the sport. Conclusion LBP in sport is common but estimates vary. Current evidence is insufficient to identify which sports are at highest risk. A previous episode of LBP, high training volume, periods of load increase and years of exposure are common risk factors.
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 | 0,025 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,032 | 0,059 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».