Musculoskeletal diseases, infections and vaccines: state of the art, research perspectives and educational needs
Notice bibliographique
Résumé
Musculoskeletal disorders are a significant public health burden concern, projected to increase in the coming decades, and will substantially contribute to the rising prevalence of functional impairment, frailty and disability in a growing global population. Since persons with musculoskeletal disorders tend to have immune dysfunction, inflammation or be taking immunosuppressive medication, prevention of vaccine-preventable diseases (VPDs) in this group is particularly important. The European Interdisciplinary Council for Aging (EICA) and the European Society for Clinical and Economic Aspects of Osteoporosis, Osteoarthritis and Musculoskeletal Diseases (ESCEO) jointly convened a 2-day in-person and virtual meeting on 26-27 September 2023, to review the state of the evidence on the link between musculoskeletal diseases, infections and vaccines. We present here the Executive Summary of the proceedings of this meeting. We review the importance of physical activity in preventing or mitigating both musculoskeletal diseases and risk of infection. We summarize current knowledge of the impact of common VPDs on the development and progression of musculoskeletal diseases, and the role of selected vaccines in preventing onset and worsening of frailty and disability in these individuals. This report summarizes the evidence presented at the two-day meeting, highlighting the need to raise awareness among scientists, healthcare professionals, decision-makers, civil society and the general public about the long-term sequelae of VPDs, with focus on the health status of older patients with musculoskeletal diseases.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».