Utility of Person–Environment–Occupation model in exploring sex-specific causes of work-related traumatic brain injury: a retrospective chart review
Notice bibliographique
Résumé
BACKGROUND: Work-related traumatic brain injury (wr-TBI) is on the rise. The pre-injury period, a significant consideration for preventive initiatives, is largely unexplored. OBJECTIVES: To identify Person-Environment-Occupation (PEO) variables associated with wr-TBI to inform sex-specific primary prevention. METHODS: -test and chi-squared tests were used to study sex differences. Multivariate logistic regression models of wr-TBI were fit with a priori defined PEO variables. RESULTS: The sample comprised 330 consecutive workers with wr-TBI (40.8 ± 11.1 years old, 71% male). Sex differences were observed across PEO variables. In multivariable logistic regression analyses the odds of sustaining a wr-TBI from a fall increased with the presence of a mood disorder and participation in non-labourer occupations (odds ratio (OR) 2.89 (95% CI 1.06-7.89) and OR 2.89 (95% CI 1.06-7.89), respectively) and decreased being a male (OR 0.31 (95% CI 0.17-0.54)). The odds of sustaining a wr-TBI from being striken by an object was greater in workers with prior head injury (OR 2.8 (95% CI 1.24-6.45)). None of the variables studied were associated with wr-TBI sustained from being striken against an object. CONCLUSIONS: Workers' health status pre-injury is associated with external causes of wr-TBI. Sex differences across PEO categories warrant further study.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».