Factors of Lower Limb Prosthesis and Orthosis User's Satisfaction in Amhara National Regional State Rehabilitation Center, Ethiopia: An Institution-Based Cross-Sectional Study
Notice bibliographique
Résumé
Background: Prosthesis and orthosis are assistive devices used for different forms of cases. Lower limb prostheses and orthoses are very crucial to improve patient’s ability to walking, increased level of activity and participation to enhance their quality of life. However, there is limited knowledge of workplace variables that either satisfy or dissatisfy the prosthesis and orthosis users in the regional state, Ethiopia. Therefore, this study aimed to assess the satisfaction and associated factors among lower limb prosthesis and orthosis users in Amhara National Regional State Rehabilitation Center, Ethiopia. Methods: Institution based cross-sectional study was conducted from April 01 to May 30, 2019, at Amhara National Regional State Rehabilitation Center among lower limb prosthesis and orthosis users. Data were collected using a structured interviewer-administered questionnaire by the standardized assessment tool; Quebec User Evaluation of Satisfaction with Assistive Technology (QUEST 2.0). The study included a total of 207 participants. Binary logistic regression analysis was performed. In the multivariable logistic regression analysis, p value < 0.05 and adjusted odds ratio (AOR) with 95% confidence interval (CI) were used to identify the associated factors. Results: The study revealed that 56.5% (95% CI: 49.9-63.3) of lower limb prosthesis and orthosis users were satisfied. Experiencing pain (AOR: 5.56, 95%CI: 2.68-11.52), living in the rural area (AOR: 3.52, 95%CI: 1.51-8.21), use of prosthesis and orthosis devices on an average less than 9 hours (AOR=0.30, 95% CI 0.11-0.80) and 9-12 hours in a day (AOR: 0.16, 95% CI: 0.07-0.38) were factors significantly associated with satisfaction. Conclusion: The magnitude of lower limb prosthesis and orthosis users’ satisfaction was found to be relatively low. Therefore, healthcare providers and managers of the rehabilitation center need to emphasize on status of the client’s device throughout patient care in the management of clients’ pain and use of devices on an average hour per day.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».