Identification of prevalence of musculoskeletal disorders and various risk factors in dentists
Notice bibliographique
Résumé
Purpose: The awkward and repetitive movements lead to tissue straining, potentially leading to painful musculoskeletal disorders (MSDs). MSDs in dentists result in work inefficiency and a reduction in work hours. A survey was conducted to assess the prevalence of MSDs amongst the dental population of interest. Methods: Customized individual detail questionnaires, Standard Nordic Musculoskeletal questionnaires, and Level of Pain estimation using the Likert Scale were used to deduce the various responsible risk factors for the occurrence of MSDs in dentists. Inferential statistical analysis was done to identify the prevalence and severity of the MSDs. The Chi-Square test (95 % confidence interval) was used to identify and compare the association of risk factors involved in MSDs with the occurrence of the Effect of MSDs, the presence of MSDs, and the severity of the MSDs. Results: The results of the study deduced that the dentists followed the sedentary work practices. The dentists experienced maximum discomfort in the neck region, which was accompanied by the discomfort experienced in the lower back, hands and wrists, making the upper extremity being more susceptible to the MSDs. Gender risk factors the, the prevalence of MSDs in the dentist's upper back, and the severity of pain in the upper back region showed a significant association level. Conclusion: The wrist posture, the prevalence of MSDs and the severity of pain in the dentists' neck, shoulder and upper back showed a significant association level.
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 | 0,002 |
| 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) | 0,003 | 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 ».