Prevalence and Environmental Triggers of Migraine Headache Among Petroleum Industry Workers in Southern Iran: A Cross-Sectional Study
Notice bibliographique
Résumé
Background: Migraine is one of the most prevalent types of headache worldwide, imposing a considerable financial and health burden. This study aimed to assess the prevalence of migraine and its environmental risk factors among workers inindustrial settings.Methods: This cross-sectional study was conducted from March to May 2022 among male workers at the South Pars Gas Complex in Iran. Participants were randomly recruited to complete a questionnaire that included demographic data, a standardized migraine diagnostic tool (based on the ICHD-3), and predisposing factors. Environmental and medical factors previously identified as potential triggers of migraine were examined in detail.Results: The overall prevalence of migraine was 14.9% (95% CI: 12.5–17.5; n=119/801), and probable migraine was 2.4% (95% CI: 1.4–3.7; n=19/801). Only a quarter of affected workers had been previously diagnosed or evaluated for migraine. Significant predictors of migraine included altitude difference between residence and workplace, poor sleep quality, and smoking. The most frequently reported triggers were weather (34.6% hot, 17.6% cold), sleep disturbances (27.5%), chemical odors (19.6%), stress (18.8%), and noise (7.2%). The most commonly used analgesic among participants was acetaminophen.Conclusion: Migraine appears to be more prevalent among industrial workers compared to the general population, with multiple environmental factors contributing to its occurrence.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».