Psychosocial and Occupational Risk Factors of Musculoskeletal Pains among Computer Users: Retrospective Cross-Sectional Study in Iran
Notice bibliographique
Résumé
Evaluation an etiological model with psychosocial and occupational risk factors has applied implication for therapeutic intervention. This research was aimed to investigate psychosocial and occupational risk factors of musculoskeletal pains among computer users in Semnan Province of Iran. In this cross-sectional study, 324 computer users from governmental offices and private industrial/organizational institutes in the province were enrolled by random sampling at the age of 25 to 63 yr old. Data were collected by Demographical-Occupational and Musculoskeletal pains history Questionnaire and a set of specialist-validated questions, the Depression Anxiety Stress Scales, Toronto Alexithymia Scale, and the Multidimensional Scale of Perceived Social Support. Gathered data were examined via binary logistic regression analysis. The mean age was 39.76±7.77 years, 48.8% were male and 51.2% were female. Age, duration of occupation, daily computer usage, incorrect body posture, work overload, poor ergonomic knowledge, social support, alexithymia, depression and somatization were significantly associated with musculoskeletal pains (p<.000). Daily computer usage (OR=18.408 [4.306-27.519]), incorrect body posture (OR=11.786 [2.864-24.528]), work overload (OR=8.725 [2.831-13.527]), poor ergonomic knowledge (OR=12.370 [6.520-20.095]), social support (OR=1.088 [1.034-1.144]), alexithymia (OR=1.934 [.897-2.971]), depression (OR=2.894 [.836-3.956]) and somatization (OR=13.032 [3.626-.25.546]) were significant predictors of musculoskeletal pains (p<0.001). Psychosocial factors, work-related factors and lack of support or appropriate ergonomic knowledge were all important correlates of musculoskeletal pains. Thus, efficient preventive plans require addressing all these aspects.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
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) | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».