A Multidisciplinary Workplace Intervention for Chronic Low Back Pain among Nursing Assistants in Iran
Notice bibliographique
Résumé
Study Design Interventional research with a 6-month follow-up period. Purpose We aimed to establish the effectiveness of a multidisciplinary workplace intervention on reduction of work-related low back pain (WRLBP), using ergonomic posture training coupled with an educational program based on social cognitive theory. Overview of Literature WRLBP is a major occupational problem among healthcare workers, who are often required to lift heavy loads. Patient handling is a particular requirement of nurse aides, and has been reported as the main cause of chronic WRLBP. Methods We included 125 nursing assistants from two hospitals affiliated to Qom University of Medical Sciences from May to December 2015. There was an intervention hospital with a number of 63 nursing assistants who received four multidisciplinary educational sessions for 2 hours each plus ergonomic posture training over two days and a control hospital with a number of 62 nursing assistants who didn't receive educational intervention about low back pain. The outcomes of interest were reductions in WRLBP intensity and disability from baseline to the follow up at 6 months, which were measured using a visual analog scale and the Quebec Disability Scale. Descriptive and analytical statistics were used to analyze the data. Results The comparison tests showed significant change from baseline in reduction of WRLBP intensity following the multidisciplinary program, with scores of 5.01±1.97 to 3.42±2.53 after 6 months on the visual analog scale in the intervention group (p<0.001) and no significant change in control groups. There was no significant difference in the disability scores between the two groups (p=0.07). Conclusions We showed that our multidisciplinary intervention could reduce the intensity of WRLBP among nurse aides, making them suitable for implementation in programs to improve WRLBP among nursing assistants working in hospitals.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».