Road traffic delays and musculoskeletal health complaints among full-time bank employees: A cross-sectional study in Dhaka city
Notice bibliographique
Résumé
Abstract Background The factors of road traffic delays (RTDs) have significant consequences for both commuters’ health and the country’s economy as a whole. Addressing the musculoskeletal health complaints (MHCs) among full-time employees has not been fully explored. The current study investigates the association between RTDs-related factors and MHCs among bank employees. Methods We conducted a cross-sectional study among full-time employees from 32 banks in Dhaka city. Descriptive statistics summarized the gaps in the socio-demographic and RTDs-related factors on the one-month prevalence of MHCs. Random intercept logistic regression models were used to identify the associate factors of the MHCs. Results Out of 628 full-time bank employees, the one-month prevalence of MHCs was 57.7%. The MHCs are more prevalent among adults of age group 40-60 years (68%) than the age group 20-40 years (54%). The one-month prevalence of lower back pain (LBP) was highest (36.6%), followed by neck pain (22.9%) and upper back pain (21.2%). Multilevel logistic regression analysis of employees showed that the odds of MHCs were lower among male employees (AOR=0.42, 95% CI= 0.27, 0.64), car commuters (AOR = 0.38, 95% CI=0.19-0.76, reference: bus commuters) and rickshaw commuters (AOR=. = 0.39, 95% CI=0.22-0.69, reference: bus commuters). The MHCs were significantly higher among employees with following factors: obesity (AOR= 1.50, 95% CI= 1.02-2.21), prolonged commute time to the office (AOR = 7.48, 95% CI =3.64-15.38) and working extended-time in a day (AOR= 1.50, 95% CI= 1.02-2.21). Conclusions The study indicates a high burden of musculoskeletal health complaints among the employees in Dhaka city, and the most prevalent complaint was low back pain. Our study suggests that factors related to road traffic delays might act synergistically on developing musculoskeletal problems in full-time employees.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».