Work-Related Musculoskeletal Symptoms Among Canadian Gynecological Surgeons: A Cross-Sectional Survey Study
Notice bibliographique
Résumé
Objective: To determine the frequency and burden of musculoskeletal (MSK) symptoms among gynecological surgeons practicing in Canada and to identify possible contributing factors. Methods: An online, cross-sectional survey was emailed to gynecological surgeons practicing across Canada. The survey included questions regarding surgeon demographics, MSK symptoms, the burden of these symptoms, and possible contributing factors. Results: Of the 254 survey respondents, 92.1% (234/254) (95% confidence interval [CI], 88–95%) reported work-related MSK symptoms. The most common symptoms experienced were pain, stiffness, muscle fatigue, and numbness/tingling. The most common body regions affected were the neck, lower back, and right shoulder. Overall, the burden of MSK symptoms was severe in 48% of respondents and mild or moderate in 44%. The odds of female surgeons experiencing a severe burden of MSK symptoms were significantly greater than for male surgeons (adjusted odds ratio [aOR] 2.62, 95% CI 1.26–5.43). Age <40 years (aOR 0.44, 95% CI 0.25–0.78), greater perceived fitness level (aOR 0.70; 95% CI 0.53–0.93), and a greater proportion of surgeries performed vaginally compared with laparoscopically (aOR 0.88, 95% CI 0.77–0.998) significantly reduced the odds of a severe burden of MSK symptoms. Conclusion: The findings underline the high frequency and severity of burden of MSK symptoms among Canadian gynecological surgeons, with a greater likelihood among female compared with male surgeons. Future research is warranted to identify strategies that could improve MSK health for gynecological surgeons.
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 | 0,011 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».