Sex disparities in self-reported musculoskeletal injuries in the Canadian Armed Forces
Notice bibliographique
Résumé
Recent comprehensive systematic reviews indicate that females are at greater risk of musculoskeletal injuries (MSKi) than males in military populations. Considering the Canadian Armed Forces (CAF) goal of increasing female representation in the next few years, exploring these trends is essential. We aimed to determine the association between biological sex and MSKi in the CAF. An online survey was conducted with active-duty and former CAF members aged 18–65 years. Sex disparities in MSKi (acute or repetitive strain [RSI]) were analyzed using bivariate associations and binary logistic regressions with significance level at p < 0.05. Analyses were stratified by military environment (i.e., Army, Navy, and Air Force). From the 1947 respondents whose biological sex was reported, 855 were females and 1092 were males. Rates of RSI sustained by females and males while serving were 76.2% and 70.5% ( p = 0.011), respectively, whereas 61.4% of females reported acute injuries compared to 63.7% of males ( p = 0.346). Females were more likely to report overall RSI (adjusted odds ratio [aOR]: 1.397; 95% confidence intervals [CI]: 1.068–1.829), RSI having a greater impact on daily activities (aOR [95%CI]: 2.979 [2.093–4.239]) and greater impact on career progress/length (aOR [95%CI]: 1.448 [1.066–1.968]). Acute injuries, also more prevalent in females, were reported to have a greater impact on daily activities (aOR [95%CI]: 1.688 [1.198–2.379]). This study highlights sex disparities in MSKi prevalence and outcomes. Females within the CAF sample presented greater likelihood of reporting RSI, perceived impact of RSI on daily activities and career progress/length, and perceived impact of acute injuries on daily activities.
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 | 0,001 | 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 | 0,001 | 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) | 0,000 | 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 ».