Risk factors for musculoskeletal injuries in the military: a qualitative systematic review of the literature from the past two decades and a new prioritizing injury model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Musculoskeletal injuries (MSkIs) are a leading cause of health care utilization, as well as limited duty and disability in the US military and other armed forces. MSkIs affect members of the military during initial training, operational training, and deployment and have a direct negative impact on overall troop readiness. Currently, a systematic overview of all risk factors for MSkIs in the military is not available. METHODS: A systematic literature search was carried out using the PubMed, Ovid/Medline, and Web of Science databases from January 1, 2000 to September 10, 2019. Additionally, a reference list scan was performed (using the "snowball method"). Thereafter, an international, multidisciplinary expert panel scored the level of evidence per risk factor, and a classification of modifiable/non-modifiable was made. RESULTS: In total, 176 original papers and 3 meta-analyses were included in the review. A list of 57 reported potential risk factors was formed. For 21 risk factors, the level of evidence was considered moderate or strong. Based on this literature review and an in-depth analysis, the expert panel developed a model to display the most relevant risk factors identified, introducing the idea of the "order of importance" and including concepts that are modifiable/non-modifiable, as well as extrinsic/intrinsic risk factors. CONCLUSIONS: This is the qualitative systematic review of studies on risk factors for MSkIs in the military that has attempted to be all-inclusive. A total of 57 different potential risk factors were identified, and a new, prioritizing injury model was developed. This model may help us to understand risk factors that can be addressed, and in which order they should be prioritized when planning intervention strategies within military groups.
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.
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 | 0,029 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,006 |
| 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 découle