The Association Between Sleep and Musculoskeletal Injuries in Military Personnel: A Systematic Review
Notice bibliographique
Résumé
INTRODUCTION: Musculoskeletal injuries (MSKIs) are a significant health problem in the military. Accordingly, identifying risk factors associated with MSKI to develop targeted strategies that attenuate injury risk remains a top priority within the military. Insufficient sleep has garnered increased attention as a potential risk factor for MSKI in both civilians and military personnel. Yet, there are no systematic evaluations of the potential association between sleep and MSKI in the military. The purpose of this review is to examine the relationship between sleep and injury in military personnel. MATERIALS AND METHODS: Literature searches were performed in multiple electronic databases using keywords relevant to sleep quantity and quality, MSKI, and military populations. Two investigators independently assessed the methodological quality of each study using the Newcastle-Ottawa Scale for cohort studies or an adapted form of this scale for cross-sectional studies. RESULTS: The search yielded 2402 total citations, with 8 studies (3 cohort and 5 cross-sectional) fitting the inclusion criteria. Overall, the systematic review found 5 of the 8 reviewed studies supporting an association between sleep (quality and duration) and MSKI in military personnel. Specifically, poor sleep was associated with increased injury incidence in 2 cohort and 3 cross-sectional studies. CONCLUSION: This is the first systematic review to evaluate the published literature on the association between sleep and MSKI risk in military populations. Although there is currently limited research on this topic, findings suggest that sleep is associated with MSKI and should be considered when designing strategies aimed at reducing MSKI risk in military personnel.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».