Playing-related physical problems: a large-scale online survey of professional and amateur Japanese drummers
Notice bibliographique
Résumé
Abstract Musical performances are generated through bodily movements; because they involve repetitive physical actions, there is a risk of developing playing-related physical problems (PRPPs). This study aimed to investigate PRPPs among amateur and professional drummers in Japan using an online survey, focusing on the differences between the four limbs. In addition, the study sought to compare the prevalence, affected body regions, and diagnoses of PRPPs between the two groups and identify factors associated with the development of PRPPs. The questionnaire included items regarding age, sex, handedness, musical genre, performance level, practice time, experience with PRPPs, affected body regions, and medical diagnoses. Data from 868 respondents (667 amateurs and 201 professionals) were analyzed. The self-reported prevalence of PRPPs was 33.4% and 66.2% in amateurs and professional, respectively. Among amateurs, the symptoms were most frequent in the right wrist, whereas among professionals, the right lower limb was most frequently affected. Regarding diagnosis, the most frequently reported condition was tenosynovitis among amateurs (2.10 %) and musician’s dystonia among professionals (8.95%). Logistic regression analysis revealed that the risk factors for PRPPs included higher performance levels, more significant stress related to the use of the metronome click, perfectionism, and experience of altering playing technique. In contrast, increased stress resilience was significantly associated with a decreased risk of PRPP development. There was a significant interaction indicating that the protective effect of stress resilience weakened at higher performance levels. This study revealed that professional drummers exhibited a higher prevalence of PRPPs than did amateurs, with distinct patterns of affected regions and diagnoses. Additionally, the performance level, psychological factors, and playing environment may contribute to these problems. This study may provide evidence for the revision of practice and performance methods for injury prevention tailored to each performance level.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».