Dog walking-related injuries of the hand and wrist: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Dog walking creates the risk of falls which can lead to musculoskeletal injuries. OBJECTIVES: This review aims to evaluate the epidemiology of dog walking-related hand and wrist injuries, discuss their estimated economic impact, and identify gaps in research and legislation. METHODS: Embase, Web of Science, PubMed, CINAHL, and Scopus databases were searched. Outcomes of interest were the incidence of dog-related hand and wrist injuries. The quality of studies was analysed using the Newcastle-Ottawa Scale (NOS). RESULTS: Five studies consisting of 491 400 injuries among 491 373 patients were included. Among these, 364 904 (74.3%) were female, and at least 152 247 (31.0%) were older than 65 years of age. A total of 110 722 specific fractures or soft tissue injuries to the hand and wrist were reported. Finger fractures were the most common injury among hand and wrist injuries (n=34 051; 30.8%). Being pulled by a leash was the most common cause of a direct dog-related injury (n=314 189; 68.5%). CONCLUSIONS: This review highlights a significant number of dog walking-related hand and wrist injuries, particularly in the elderly and female population. While finger fractures were the most frequently reported injury, the cost analysis in this review focused on distal radius fractures due to their substantial economic impact. We estimated the potential annual cost of dog walking-related wrist fractures in the UK to exceed £23 million. Preventative measures, including safer leash practices and public safety guidance, should be implemented to reduce injury risk.
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 | 0,004 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,009 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».