MétaCan
Menu
Retour à la cohorte
Enregistrement W7098154509

Printed in U.S.A. Risk Factors for Low Back Pain in Adolescence Feldman et al. Risk Factors for the Development of Low Back Pain in Adolescence

2000· article· en· W7098154509 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLow back painConfidence intervalBack painCohortCohort studyIncidence (geometry)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A previous history and earlier onset of low back pain are associated with chronic low back pain in adults, implying that prevention in adolescence may have a positive impact in adulthood. The study objectives were to determine the incidence of low back pain in a cohort of adolescents and to ascertain risk factors. A cohort of 502 high school students in Montreal, Canada, was evaluated during 1995–1996 at three separate times, 6 months apart. The outcome was low back pain occurrence at a frequency of at least once a week in the previous 6 months. Of the 377 adolescents who did not complain of low back pain at the initial evaluation, 65 developed low back pain over the year (cumulative incidence, 17 percent). Risk factors associated with development of low back pain were high growth (odds ratio = 3.09; 95 percent confidence interval (CI): 1.53, 6.01), smoking (odds ratio = 2.20; 95 % CI: 1.38, 3.50), tight quadriceps femoris (odds ratio = 1.02; 95 % CI: 1.00, 1.05), tight hamstrings (odds ratio = 1.04; 95 % CI: 1.01, 1.06), and working during the school year (odds ratio = 1.33; 95% CI: 1.03, 1.71). Modifying such risk factors as smoking and poor leg flexibility may potentially serve to prevent the development of low back pain in adolescents. Am J Epidemiol 2001;154:30–6. adolescence; low back pain; risk factors Received for publication June 16, 2000, and accepted for publi-

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,385
Écart entre enseignants0,326 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOccupational Health and PerformanceTravaux en français237 207