Investigation of musculoskeletal disorders prevalence and the correlation of Visual Analog Scale with McGill Pain Questionnaire in dental students of Tehran universities
Notice bibliographique
Résumé
Introduction: Work-related musculoskeletal disorders are one of the most common occupational complaints among dentists. Accurate assessment of the pain caused by these disorders is of paramount importance in its better control. Therefore, this study aims to investigate the prevalence of musculoskeletal disorders and evaluate the correlation of the Visual Analogue Scale with the different dimensions of the McGill Pain Questionnaire in dental students in the city of Tehran. Materials and Methods: In this cross-sectional descriptive-correlation study conducted among 120 dental students in Tehran in 2020-2021, data related to musculoskeletal disorders were collected through the Nordic questionnaire. Pain assessment was also performed using the Visual Analogue Scale and McGill Pain Questionnaire. The data were analyzed using SPSS version 26 and statistical tests, including chi-square, Spearman, and Pearson correlation, to examine the relationship between the two measures. Results: In this study, the highest prevalence of disorders was observed in the neck region (42.5%), upper back (35%), and lower back (31.7%). Neck pain and discomfort, in the last 12 months, caused a reduction in work activity more than any other region among the participants. Significant correlations were found between the Visual Pain Scale and the Sensory (r=0.543, p=0.011), Affective (r=0.549, p=0.020), and Evaluative (r=0.538, p=0.035) dimensions of the McGill Pain Questionnaire. Conclusion: The present study indicates that work-related musculoskeletal disorders are common in dental students. There is a high correlation between the Visual Pain Scale and the McGill Pain Questionnaire in assessing pain intensity.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».