Prevalency anc echo of lumbago after a 6-month long mission in Afghanistan (forward-looking study on 113 servicement from 152nd infantery regiment of Colmar between April, 2011 and April, 2012)
Bibliographic record
Abstract
OBJECTIF: Les lombalgies sont très fréquentes dans la population générale. Elles occasionnent des coût de santé important quand elles récidivent. En est-il de même pour les militaires? Est-ce que les facteurs de chronicité sont les mêmes pour une unité combattante en opération extérieure (OPEX) que dans la population générale? METHODES: il s'agit d'une étude de Cohorte prospective, au 152e régiment d'infanterie de Colmar d'avril 2011 à avril 2012. Toutes les personnes acceptant de répondre aux auto-questionnaires ont été incluses. Les lombalgies ont été évaluées par des questions spécifiques, et par des échelles: EVA, FABQ, Québec, HAD, Coping. RESULTATS: 113 sujets ont été inclus. La prévalence de lombalgies au départ est plus importante (22,5%) que dans la population générale. Au retour, 41 militaires (36,98%) étaient lombalgiques. Ils avaient plus d'antécédents de lombalgies (p=0,004), plus de lombalgies au départ (p<0,0001), plus de lombalgies pendant la mission (p<0,0001) et pratiquaient moins de sport durant la mission (p=0,018) que les non lombalgiques. Aucune échelle hormis l'EVA n'atteint le seuil pathologique. Seul le score de Québec augmente significativement mais défini une incapacité légère. DISCUSSION: Cette étude permet de mettre en évidence une prévalence de lombalgies avant l'OPEX plus importante que dans la population générale et encore plus importante après l'OPEX. Les facteurs de risque sont les antécédents de lombalgies et la survenue de lombalgies pendant l'OPEX. Les conditions de vie favorisent les lombalgies mais pas la chronicisation. Ces lombalgies sont moins incapacitantes que celle de la population générale. Ces éléments doivent être pris en compte pour établir une politique de prévention primaire pour éviter les récidives, et secondaire pour lutter contre la chronicisation.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| 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".