Unmasking the divide: Musculoskeletal injury and physical fitness disparities among military and emergency responders
Notice bibliographique
Résumé
Introduction: Musculoskeletal injuries (MSKi) are a burden on military, first responder, and health care personnel. Military and emergency services populations are often grouped together in research, but direct comparison of physical fitness or injuries of these groups has not been conducted for females. Moreover, interactions among parity status, occupation, and injury history with respect to physical fitness have not been explored. Methods: Fifty-seven female firefighters, paramedics, law enforcement officers, or health care providers (non-military [NM]) and 90 female Canadian Armed Forces (CAF) members completed testing for flexibility (sit and reach), muscular power (standing long jump and medicine ball throw), muscular strength (back squat and bench press), muscular endurance (Biering-Sorenson test, single-leg wall sit, and push-ups), and aerobic capacity (graded treadmill maximal oxygen uptake test). Results: Likelihood ratios indicated the CAF group had more injuries involving the back, hip, foot, and lumbopelvic hip complex, whereas the NM group had more thumb injuries. One-, two-, and three-way analysis of variance identified multiple interactions among MSKi, occupation (military vs. NM), and parity status with respect to physical fitness, with the NM group performing better on multiple physical test components. Discussion: Physical fitness disparities and differences in body regions injured suggest that CAF and NM populations are less comparable than traditionally thought. Moreover, parity status appears to play a role in physical fitness for individuals employed in these occupations. Initiatives and research to support females in arduous careers should consider parity status and injury history while differentiating between military and NM populations.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».