HUBUNGAN LAMA DUDUK DAN STRES KERJA DENGAN LOW BACK PAIN PADA KARYAWAN BANK DI KOTA ATAMBUA
Notice bibliographique
Résumé
Low back pain sering diabaikan tetapi sangat mengkhawatirkan karena bisa menurunkan produktivitas seorang pekerja termasuk pekerja sektor formal seperti karyawan bank. Menurut Kumar (2015) gangguan muskuloskeletal yang paling banyak dialami karyawan bank adalah LBP. Faktor risiko LBP yang sering ditemui adalah lama duduk dan stres kerja. Pekerjaan yang banyak dan tuntutan yang besar untuk menyelesaikan tugas-tugas tepat waktu mengharuskan karyawan bank duduk dalam waktu lama sekitar 7-8 jam perhari. Selain itu, kebiasaan ini terjadi setiap hari, jika tuntutan pekerjaan lebih besar dari kemampuan karyawan untuk bekerja, maka akan memicu stres kerja. Tujuan penelitian ini untuk menganalisis hubungan antara lama duduk dan stres kerja dengan low back pain pada karyawan bank di Kota Atambua. Metode yang gunakan desain penelitian analitik cross sectional dengan menggunakan data primer melalui kuesioner. Populasi penelitian ini adalah Karyawan Bank BRI, NTT, Mandiri Cabang Kota Atambua. Metode yang digunakan adalah cluster sampling sehingga menghasilkan 50 responden. Data dianalisis menggunakan SPSS versi 20. Hasil analisis bivariat menunjukkan hasil bahwa dari 2 variabel dependen yang dianalisis tidak berhubungan erat dengan kejadian low back pain yaitu lama duduk p=1,000 (p>0,05)dan stres kerja p=0,827 (p>0,05). Kesimpulan penelitian ini tidak didapatkan hubungan yang bermakna antara lama duduk dan stres kerja dengan low back pain pada karyawan bank di kota Atambua.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,004 |
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 ».