Occupational Health Problems of Violists: An Epidemiological Study
Notice bibliographique
Résumé
This research is the first known large-scale, instrument-specific, epidemiological study on the occupational health problems of violists. An online survey was developed based on a biopsychosocial framework to assess demographics, pain, musculoskeletal and non-musculoskeletal problems, music performance anxiety, and musician identity. Additionally, this is the first study known to investigate violists' perceptions and attitudes regarding viola jokes and negative stereotypes associated with viola players and their effects on violists' occupational health. Validated tools used to measure violists' health problems included the short-form McGill Pain Questionnaire (SF-MPQ) and the Musician's Identity Measurement Scale (MIMS). Results: This survey yielded a cohort N = 324 that was diverse in age, education, and professional involvement. The overall prevalence for violists that experienced musculoskeletal pain in the past year was 79%. For violists in pain, 51% reported being reluctant to inform others of their playing-related pain. In the past year, 89% of violists experienced music performance anxiety. 49% of violists reported having negative thoughts about viola jokes, with 23% indicating they experience music performance anxiety because of viola jokes. The prevalence rates for non-musculoskeletal problems, perceived factors that influence pain, and the influence of viola jokes suggest that high levels of biopsychosocial stressors are often associated with the classical music genre and playing the viola. The results from this research can be used to enhance music teacher-training programs, inform performance practice and viola pedagogy, and educate clinicians about the health risks of playing the viola.
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) | 0,001 | 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) | 0,002 | 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 ».