Sex differences in wrist strength: a systematic review
Notice bibliographique
Résumé
Sex differences in strength have been attributed to differences in body anthropometrics and composition; these factors are often ignored when generating workplace guidelines. These differences directly impact the upper extremity, leaving female workers exposed to injury risk. The wide range of tools and techniques for measuring upper extremity strength presents a challenge to ergonomists and work task designers; collating outcomes to provide a clear outlook of differences between males and females is essential and the purpose of this work. Four online databases were searched (PROSPERO ID: CRD42022339023) with a focus on articles assessing sex differences in wrist strength. A total of 2,378 articles were screened for relevancy; 25 full-text articles were included in this systematic review. Articles examined movement pairs (ulnar/radial deviation, pronation/supination, and flexion/extension), as well as contraction types (isometric and isokinetic) to observe sex differences in wrist strength. Across all articles, females produced ∼60-65% of male flexion/extension strength, ∼55-60% pronation/supination strength, and ∼60-70% ulnar/radial deviation strength. Overall, females presented lower strength-producing abilities than males, but when considering strength relative to body mass, male-female differences were less pronounced and occasionally females surpassed male strength metrics; typically, this occurred during flexion/extension, particularly in isokinetic contractions. This review has identified a scarcity of articles examining ulnar/radial deviation, pronation/supination, as well as isokinetic contractions; these are needed to supplement workplace exposure guidelines.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| 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 | 0,001 |
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 ».