Predicting Upper Quadrant Musculoskeletal Injuries in the Military: A Cohort Study
Notice bibliographique
Résumé
PURPOSE: This study aimed to identify characteristics and movement-based tests that predict upper quadrant musculoskeletal injury (UQI) in military personnel over a 12-month follow-up. METHODS: A prospective observational cohort study of military members (n = 494; 91.9% male) was conducted. Baseline predictors associated with UQI were gathered through surveys and movement-based tests. Survey data included demographic information, injury history, and biosocial factors. Movement-based tests include the following: Y Balance Tests (YBT), Functional Movement Screen, Selective Functional Movement Assessment lumbar multisegmental mobility, modified-modified Schober, side bridge, ankle mobility, modified Sorensen, and passive lumbar extension. Self-reported UQI was collected through monthly online surveys, and 87% completed the follow-up. Univariate associations were determined between potential predictors and UQI. A forward, stepwise logistic regression model was used to identify the best combination of predictors for UQI. RESULTS: Twenty-seven had UQI. Univariate associations existed with three demographic (smoking, >1 previous UQI, baseline upper quadrant function ≤90%), three pain-related (Selective Functional Movement Assessment rotation, side bridge, hurdle step), and six movement-based variables (YBT upper quarter (UQ) superolateral worst score ≤57.75 cm, YBT-UQ composite worst score ≤81.1%, failed shoulder clearance, Sorenson <72.14 s, in-line lunge total score <15, and in-line lunge asymmetry >1). Smoking, baseline upper quadrant function ≤90%, and YBT-UQ composite score ≤81.1% predicted UQI in the logistic regression while controlling for age and sex. Presenting two or more predictors resulted in good specificity (85.6%; odds ratio, 4.8; 95% confidence interval, 2.2-10.8), and at least one predictor resulted in 81.5% sensitivity (odds ratio, 3.2; 95% confidence interval, 1.2-8.7). CONCLUSIONS: A modifiable movement-based test (YBT-UQ), perceived upper limb function, and smoking predicted UQI. A specific (two or more) and sensitive (at least one predictor) model could identify persons at higher risk.
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 | 0,011 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».