MétaCan
Menu
Retour à la cohorte
Enregistrement W6991088570

Factores asociados al dolor lumbar y estado psicoafectivo de las auxiliares de geriatría en residencias de mayores

2020· dissertation· es· W6991088570 sur OpenAlexaboutno aff

Notice bibliographique

RevueCommunities in ADDI (University of the Basque Country) · 2020
Typedissertation
Languees
DomainePsychology
ThématiqueStress and Burnout Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNursing homesNursing careOlder peoplePhysical activity
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

INTRODUCCIÓN:
\nDiferentes estudios observan que la sobrecarga a nivel físico y psicoafectivo de las auxiliares de geriatría (AG) que trabajan en residencias de mayores es muy elevada. Dado que esta sobrecarga puede tener un gran impacto tanto en la calidad de vida de las AG como en la calidad del cuidado de las personas a las que atienden, resulta esencial identificar qué factores determinan la salud física y psicoafectiva de estas trabajadoras.
\n
\nOBJETIVOS:
\na) Describir las características sociodemográficas, la condición física, la calidad de vida, el
\nestado psicoafectivo y el dolor en una muestra de AG que trabajan en residencias de mayores
\nb) Identificar los factores que se asocian y pueden predecir la situación psicoafectiva y el dolor
\nc) analizar el efecto de la jornada laboral en parámetros físicos y de dolor.
\n
\nMATERIAL Y MÉTODOS:
\nSe llevó a cabo un estudio transversal en el que participaron un total de 54 mujeres (41.61 ± 11.55 años) de cuatro residencias de mayores de Gipuzkoa. Se recogieron datos sobre sus características sociodemográficas (cuestionario), condición física (medidas antropométricas; handgrip, arm curl test, chair stand test, plank test, prueba de McGill, y Curl Up test modificado para la fuerza y resistencia muscular; 8 Foot Up and Go para la agilidad; prueba de Ruffier para la condición cardio-respiratoria y modified Schober test para la flexibilidad de la columna lumbar), calidad de vida (EuroQol-5D-3L), estado psicoafectivo (escala de felicidad subjetiva, Maslach Burnout Inventory y escala de Goldberg para ansiedad y depresión), y dolor (Escala Visual Analógica).
\n
\nRESULTADOS:
\nEl 54.7% de las AG tenía niveles moderados-altos de burnout asociado al cansancio emocional. El 27.8% mostró riesgo de sufrir un trastorno clínicamente relevante de ansiedad, y el 31.5% de depresión. Un 38.9% de las AG refirió tener dolor lumbar. Las lesiones laborales (p=0.030) y el consumo de medicación de forma puntual (p=0.036) fueron factores de riesgo para desarrollar niveles de ansiedad clínicamente relevantes. Las lesiones laborales (p=0.028) y el dolor lumbar (p=0.008) fueron factores de riesgo para desarrollar niveles de depresión clínicamente relevantes. Las repeticiones en el Curl Up test modificado (p=0.008) fueron un factor de riesgo para sufrir intensidades de dolor lumbar clínicamente relevantes, y el índice de calidad de vida (p=0.005) se identificó como un factor protector. El transcurso de la jornada laboral tuvo como efecto un aumento significativo de la fuerza en contracciones isotónicas, una disminución significativa de la resistencia en contracciones isométricas, y una tendencia al incremento de la intensidad del dolor.
\n
\nCONCLUSIONES:
\nSe encontraron altas prevalencias de burnout asociado al cansancio emocional, ansiedad, depresión y dolor lumbar en la muestra de AG estudiada. Es imprescindible llevar a cabo nuevos estudios con el objetivo de reducir dichas prevalencias y así mejorar la calidad de vida de las AG y la calidad del cuidado de las personas a las que atienden.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,228
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0040,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,299
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunities in ADDI (University of the Basque Country)Même sujetStress and Burnout ResearchTravaux en français237 207