A Survey of Occupational Musculoskeletal Symptoms Among Canadian Plastic Surgeons and Trainees
Notice bibliographique
Résumé
Purpose: Despite the advances of modern operating rooms, surgeons often experience work environments that rival those of industrial workers with regard to the risk of musculoskeletal (MSK) injuries or disorders. Such injuries may result in loss of hours, decreased surgical volume, or premature retirement. This study aimed to investigate the prevalence and impact of MSK injuries among Canadian plastic surgeons and trainees. Methods: A cross-sectional, online survey was disseminated among Canadian plastic surgeons, defined as those registered as members of the Canadian Society of Plastic Surgeons, the Royal College of Physicians and Surgeons of Canada, or Plastic Surgery Residents. Results: This survey was disseminated to 604 Canadian plastic surgeons, fellows, and residents, of whom 139 responded (response rate 23.0%). Of the responders, 49.6% were male, 23.0% were >35 years of age, and 46.1% had been in practice for >10 years. The majority (72.7%) of respondents endorsed experiencing MSK symptoms after operating. Moreover, 18.7% of respondents felt their MSK symptoms had direct consequences on their performance as a surgeon. When MSK symptoms were reported to department heads, system change was only seen 44.4% of the time. Unsurprisingly, neck (76.2%), back (72.2%), and shoulders (48.5%) were the areas of pain most reported. Exercise was not shown to significantly reduce the impact of MSK symptoms resulting from operating ( P = .06). Conclusions: Musculoskeletal symptoms are common among plastic surgeons and directly impact the performance of a large proportion of surgeons. Besides traditional efforts to reinforce good posture while operating, best practice policies and operating room optimization with regard to ergonomics are warranted.
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 | 0,001 | 0,025 |
| 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 | 0,000 | 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) | 0,000 | 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 ».