MO866: Evaluating Psychosocial Contributions to Musculoskeletal Disorders in Hemodialysis Patients: A Single Center Experience From Egypt
Notice bibliographique
Résumé
Abstract BACKGROUND AND AIMS Patients with end-stage kidney disease (ESKD) on regular hemodialysis (HD) suffer from a high burden of comorbidities. Musculoskeletal disorders (MSDs) are frequently encountered in those patients. The factors linked to MSDs in HD patients are incompletely defined, therefore this study was done to figure out how often musculoskeletal symptoms are in those patients and identify their association with many psychosocial aspects including quality of sleep, social support and fatigue. METHOD This cross-sectional study was carried out in the HD unit at Mansoura University Hospital, Egypt in the period from August to December 2021. The sample included 94 ESRD patients on regular HD for more than 3 months. Sociodemographic characteristics, clinical and therapeutic data were collected. The Nordic Musculoskeletal Questionnaire (NMQ-E) was used to determine the prevalence and patterns of MSDs in various parts of the body areas. Moreover, the modified Edmonton Symptom Assessment System, multidimensional Fatigue Inventory (MFI-20), Pittsburgh Sleep Quality Index (PSQI), Perceived Social Support from Family Scales were completed by the patients. MSDs predictors were evaluated by univariate regression analysis. RESULTS The mean age of the studied patients was 49.73 years and more than half of them (59.6%) were males. MSDs affected nearly three quarters (72.3%) of patients. The most frequently encountered MSD domains were knee pain (48.9%), low back pain (43.6%), shoulder pain (41.6%), hip/thigh pain (35.1%) and neck pain (35.1%) (Figure 1). Regarding Pain and symptom burden, patients with MSDs had significantly higher scores of pain (P < 0.001), fatigue (P = 0.01), depression (P = 0.015) and anxiety (P = 0.003). Regarding MFI scale, patients with MSDs experienced reduced activity (P = 0.02). Subjective sleep quality, daytime dysfunction domains and global PSQI score were worse among patients with MSDs (P = 0.02, 0.031 and 0.036, respectively). Patients with MSDs perceived less social support (P = 0.029). Female gender (P = 0.013), higher scores of fatigue (P = 0.012), depression (P = 0.014), anxiety (P = 0.004), reduced activity (P = 0.029) domains and PSQI score (0.027) were the significant predictors of MSDs in the studied HD patients (Table 1). CONCLUSION MSDs appears to frequently occur in HD patients. Female gender, fatigue, depression, anxiety, reduced activity and poor sleep quality can predict the occurrence of MSDs in HD patients.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».