Lombalgia em fisioterapeutas e estudantes de fisioterapia: um estudo sobre a distribuição da freqüência
Bibliographic record
Abstract
O estudo objetivou identificar a prevalência de dor lombar em fisioterapeutas freqüentadores dos cursos de pós-graduação da Universidade Castelo Branco das cidades de Volta Redonda, Juiz de Fora e Rio de Janeiro. Foi utilizado um questionário epidemiológico, auto-aplicável, adaptado, validado, do Quebec Back Pain Disability Scale, enfocando a dor lombar e os aspectos que envolvem os fisioterapeutas. Participaram do estudo 202 profissionais e acadêmicos de ambos os sexos, com média de idade igual a 25,7 ± 3,7 anos. Foram empregadas técnicas de estatística descritiva para caracterização dos dados médios das respectivas variáveis, e técnicas de estatística inferencial, através de um teste não paramétrico qui-quadrado, para uma significância de p < 0,05. A prevalência de lombalgia encontrada foi de 76,4% e os achados apontam que tal valor varia de acordo com a idade, estado civil, massa corporal, freqüência da prática de atividade física, pré-aquecimento e cansaço físico após a jornada de trabalho. O conhecimento adquirido pelos fisioterapeutas tem demonstrado não lhes garantir imunidade quanto í presença da lombalgia. Palavras-chave: lombalgia, prevalência, fisioterapeutas, saúde coletiva.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".