Road traffic delays in commuting workplace and musculoskeletal health among sedentary workers: A cross-sectional study in Dhaka city
Notice bibliographique
Résumé
OBJECTIVES: Despite previous research aimed at identifying factors linked to musculoskeletal health issues, there was no evidence about the relationship between road traffic delays (RTDs) and musculoskeletal health in sedentary employees. As a result, the aim of our research was to understand such a correlation among bank employees in Dhaka, Bangladesh. METHODS: A cross-sectional analysis was conducted with bank employees who worked in sedentary settings. The Eriksen subjective health complaints scale was used to measure the eight items of musculoskeletal health complaints (MHCs), and RTDs were measured using principal component analysis using variables commute time, distance, and traffic congestion experience to work. The association between RTDs and MHCs was identified using a multilevel model after adjusting potential confounders. RESULTS: A total of 628 employees (mean[SD] age, 36.1[7.0] years; 254[40.5%] women) participated in the study. Among the employees, the one-month prevalence of MHCs was 57.2%. The highest prevalence of MHCs was low-back pain (36.6%), followed by neck pain (22.9%) and upper-back pain (21.2%). Also, 136(21.7%) employees reported long-RTDs in commuting workplace and 81% of them had MHCs. The multilevel analysis identified that long-RTDs had a significant relationship with MHCs (adjusted odds ratio, AOR = 10.20, 95%CI = 5.41-16.91). Private transportation commuters reported 70% reduced odds of MHCs (AOR = 0.30, 95%CI = 0.15-0.59) and walking or bicycling commuters had 84% fewer MHCs (AOR = 0.16, 95%CI = 0.10-0.28) compared to public bus commuters. CONCLUSIONS: Sedentary employees with long-RTDs reported increased MHCs, emphasizing the importance of including musculoskeletal exercise in office facilities. Findings of this study also highlight the need for a sound public transportation system in Dhaka city.
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 | 0,001 |
| 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) | 0,002 | 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 ».