Enquête sur la douleur et les blessures musculosquelettiques chez les optométristes canadiens
Bibliographic record
Abstract
Objectif : Accroître notre compréhension des douleurs et des blessures musculosquelettiques professionnelles chez les optométristes canadiens. Méthodes : Un sondage sur Internet à participation volontaire a été distribué à tous les membres de l’Association canadienne des optométristes. Les questions du sondage ont été adaptées à partir de la documentation pour déterminer la prévalence et l’importance des problèmes musculosquelettiques liés au travail. Résultats : Des 121 optométristes (taux de réponse de 2,4 %) et 169 ophtalmologistes (17 %, selon une étude antérieure) qui ont participé, 61 % et 50 %, respectivement, ont déclaré avoir souffert de douleurs attribuables au travail au cours des 12 mois précédents (p = 0,06). La prévalence, l’emplacement et la gravité de la douleur étaient semblables aux constatations présentées dans les publications. Conclusion : Bon nombre des professionnels des soins oculovisuels qui ont participé à notre étude ont été touchés par des douleurs musculosquelettiques liées au travail. Il faut mener d’autres recherches sur la prévention et le traitement des douleurs musculosquelettiques dans cette population.
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 | 0.009 | 0.035 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".