Musculoskeletal Injuries in the Military Staff: A Systematic Review
Notice bibliographique
Résumé
2] Injury prevention during physical activity in the ... [3] Injuries and injury risk factors among men and ... [4] Injuries at a Canadian national taekwondo championships ... [5] Epidemiology of injuries and illnesses during the ... [6] Effects of frequency and duration of training on ... [7] Longterm disability among aviators in Japan air self-defense force ... [8] Air force special operations command special ... [9] International statistical classification ... [10] Risk factors for chronic low back pain ... [11] Effect of nicotine on bone healing in rats-A ... [12] Hole's essentials of human anatomy ... [13] Incidence and risk factors for medial tibial ... [14] Effect of foot posture, foot orthoses and footwear ... [15] A history of shoulder instability in the military ... [16] Disease and nonbattle injuries sustained by a US army brigade [17] Self-reported musculoskeletal complaints ... [18] Military physical training-related injuries: A review ... [19] Incidence and characteristics of traumatic shoulder [20] A description of injuries in men and women ... [21] Gender disparities within US army orthopedic ... [22] The occurrence and severity of musculoskeletal ... [23] The occurrence and severity of musculoskeletal ... [24] Risk factors for medial tibial stress syndrome ... [25] A prospective field study of U.S. Army trainees ... [26] Musculoskeletal injuries and United States army readiness part .
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 | 0,012 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».