Prevalence of musculoskeletal disorders and associated risk factors in canadian university students
Notice bibliographique
Résumé
BACKGROUND: Musculoskeletal disorders (MSKDs) present a significant burden to health care systems worldwide. Evidence suggests that university students may have unique risk factors for developing MSKDs; however, research on the corresponding prevalence and risk factors of MSKDs in Canadian students is limited. METHODS: Using a multi-year cross-sectional survey, we aimed to understand the prevalence and risk factors of MSKDs in students at McMaster University. A survey on the prevalence of MSKD as well as potential risk factors was conducted online in the years 2018-2022. Our outcomes were the prevalence of MSKDs over the last 7 days and the last 12 months, as well as presence of lower body, upper body, and spine MSKDs. We investigated risk factors using negative binomial regression analysis, including a sex-stratified analysis. RESULTS: = 76). Participants reported a median of 2-3 pain sites in the last year and 1-2 pain sites in the last week in all four years. The most prevalent sources of self-reported pain were the lower back and neck. Depending on the year and outcome studied, 59-67% of participants reported neck/lower back pain in the last year, and 43-49% reported it in the last week. Although risk factors were different depending on the year and sex, overall, poorer mental health, being in health care studies, regular sports participation (males only), older age, and less hours of sleep were significantly associated with higher prevalence of MSKDs. CONCLUSIONS: This study identified that MSKDs are a prevalent source of pain in university students. While some risk factors, such as mental health, are known to play a role in developing MSKDs, sports activity and academic pressure are risk factors that are unique to students. Our study also suggests that there may be differences in risk factors between sexes.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».