Factors Influencing Quality of Life Among Trauma-related Lower Limb Amputees
Notice bibliographique
Résumé
Introduction: Lower limb amputation refers to the surgical removal of a portion or the entirety of a limb. This study assessed demographic and clinical characteristics of traumatic lower limb amputees and their QoL using the RAND SF-36 scale. Method: A cross-sectional study was conducted among 123 traumatic lower limb amputees using prostheses. Descriptive statistics, normality testing, reliability analysis, and correlation tests were performed for eight SF-36 subscales and composite scores. Results: Most participants were male (87%), aged 31–45 years (52%), and employed part-time (47.2%). Trans-tibial (56.1%) and trans-femoral (37.4%) amputations were most common, with right-sided involvement (61.8%) predominating. Mean Physical Component Summary (PCS) and Mental Component Summary (MCS) scores were 50.0 (SD = 7.39) and 50.0 (SD = 7.97), reflecting moderate QoL. Reliability analysis showed acceptable internal consistency (Cronbach’s α = 0.746). Education was positively associated with MCS (r = 0.314, p < 0.01), and level of amputation showed a weak positive correlation with MCS (r = 0.198, p < 0.05). No significant associations were observed between PCS/MCS and age, gender, employment status, or duration of prosthesis use. Conclusion: Traumatic amputees using prostheses show moderate QoL, with mental health outcomes influenced by education and level of amputation. The findings of the study emphasise the need for customised rehabilitation strategies with a greater focus on psychosocial support and vocational reintegration for traumatic prosthetic users. Key words: Trauma, Quality, Amputation, Limb, Influence, Prosthesis..
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».