Exposición laboral a computadoras como factor de riesgo para el desarrollo de síndrome del túnel carpiano: Una Revisión sistemática y Metaanálisis
Notice bibliographique
Résumé
Evaluar y sintetizar la evidencia disponible sobre la asociación entre la exposición laboral a computadoras y el riesgo de desarrollar síndrome del túnel carpiano (STC). Material y Métodos: Se realizó una revisión sistemática siguiendo las guías PRISMA 2020. La búsqueda incluyó bases de datos electrónicas (PubMed, Scopus, Web of Science, EMBASE y medRxiv) utilizando términos relacionados con el uso de computadoras y STC. Se seleccionaron estudios observacionales que cumplieron con criterios predefinidos de inclusión y se evaluó el riesgo de sesgo mediante la escala de Newcastle-Ottawa. Los datos se analizaron mediante metaanálisis de efectos aleatorios, reportando odds ratios (OR) con intervalos de confianza (IC) al 95%. Resultados: De 155 estudios identificados, 7 cumplieron con los criterios de inclusión, abarcando un total de 3058 participantes en el grupo expuesto y 6456 en el grupo control. El metaanálisis mostró un OR combinado de 1.64 (IC 95%: 0.97– 2.76, p = 0.06) con alta heterogeneidad (I² = 79%). El análisis de sensibilidad, basado en 5 estudios, reveló un OR de 2.31 (IC 95%: 1.74–3.07, p < 0.00001) con heterogeneidad moderada (I² = 30%), confirmando una asociación significativa entre la exposición prolongada y el STC. Conclusiones: La exposición prolongada a computadoras es un factor de riesgo significativo para el desarrollo de STC. Los resultados destacan la necesidad de intervenciones preventivas en entornos laborales que requieren uso intensivo de computadoras
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 | 0,041 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,021 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 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 ».