The Prevalence of Core Muscles Weakness and Fatigue in 18-to 25-Year-Old Medical College Students
Notice bibliographique
Résumé
Core muscles play a significant role in the stability of the back spine, ribcage, and lumbopelvic region by influencing daily living activities and balance. Objectives: To investigate core muscles weakness among male and female medical college students aged 18-25 and to evaluate their core muscle endurance using the McGill core endurance tests. Also, to assess fatigue levels among participants using the Rating of Fatigue Scale (ROF). Methods: A total of 246 participants were recruited from Rashid Latif Medical College (RLMC) and Johar Institute of Professional Studies (JIPS), Lahore, using non-probability convenient sampling. The sample size was determined using Epitool software. To assess core muscle endurance, the McGill Core Endurance Test was administered. Additionally, the Rating of Fatigue Scale was used to evaluate fatigue levels among participants. Data were entered and analyzed using SPSS version 27.0. Numeric data are presented as mean and standard deviation. Results: 92.68% of participants exhibited core muscles weakness during the 60º Spinal Flexion Test, and 96.75% of participants exhibited core muscles weakness during the Side Plank Tests. Another Rating of fatigue is a prevalent issue among the participants, with only 10.2% reporting no fatigue. The majority of participants (43.5%) experienced mild fatigue, while a significant proportion (37%) reported moderate fatigue. Furthermore, 8.5% of participants experienced severe fatigue, and 0.8% reported the worst fatigue. Conclusions: It was concluded that a remarkably high prevalence of core muscles weakness was found among medical college students. Furthermore, failure to engage core muscles during daily activities likely contributes to this prevalent weakness.
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 | 0,007 | 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 | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».