Effects of sex and age on work-related upper extremity musculoskeletal disorders in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Effective targeting of workplace upper extremity musculoskeletal disorder (MSD) prevention strategies requires the identification of demographic groups most at risk. Workers' compensation data provides an effective means of surveillance of MSDs at the population level. OBJECTIVE: The primary purpose of this study was to identify the effects of age and sex on rates of tendon injuries of the wrist and hand, carpal tunnel syndrome (CTS), epicondylitis, and soft tissue shoulder injuries in Ontario, Canada between 2000-2019 using workers' compensation data from the Association of Workers Compensation Boards of Canada (AWCBC). METHODS: Age and sex specific rates of lost-time injury claims from the four identified injury categories as well as "non-specific" upper extremity MSDs which did not fit into the four categories were calculated by standardizing injury claim totals with "at-risk" population estimates from the Canada Labour Force Survey. A multiple regression analysis was used to analyze the effects of age and sex on rates of specific injury claims. RESULTS: Statistically significant age and sex effects were identified for rates of claims from tendon injuries of the wrist and hand, CTS, and shoulder injuries, while only age effects were significant for epicondylitis. Between 2000-2019, rates of claims from the four injury categories studied and the magnitude of the age and sex effects declined substantially over time. CONCLUSION: Detailed surveillance of workplace ergonomic hazards in Ontario workplaces is needed to determine what is causing rates of upper extremity claims to decline.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».