بررسی هم بستگی بین روش ارزیابی خستگی عضله و پرسش نامه اختلالات عضلانی اسکلتی کرنل در رانندگان تاکسی شهرستان شاهرود در سال ۱۳۹۶: یک مطالعه توصیفی
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 125
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_RUMS-17-11_005
تاریخ نمایه سازی: 25 دی 1401
Abstract:
چکیده
زمینه و هدف: از آنجایی که ناراحتی های عضلات اسکلتی در رانندگان وسایل نقلیه عمومی شایع است، لذا هدف مطالعه حاضر، تعیین هم بستگی بین روش ارزیابی خستگی عضله و پرسش نامه اختلالات عضلانی اسکلتی کرنل در بین رانندگان تاکسی بود.
مواد و روش ها: مطالعه حاضر به شکل توصیفی بر روی ۱۴۰ نفر از رانندگان تاکسی شهرستان شاهرود در سال ۱۳۹۶ انجام شد. اطلاعات مورد نیاز با استفاده از پرسش نامه اطلاعات دموگرافیک، پرسش نامه ناراحتی عضلانی اسکلتی کرنل (Cornell Musculoskeletal Disorders Questionnaire; CMDQ) و چارت ارزیابی خستگی عضله (Muscle Fatigue Assessment; MFA) جمعآوری شد. تجزیه و تحلیل داده ها توسط آمار توصیفی (فراوانی، درصد، میانگین) و استنباطی (ضریب Eta) انجام شد.
یافته ها: نتایج MFA نشان داد، ۸۲ درصد از خستگی عضله ناحیه کمر در سطح خیلی زیاد می باشد. نتایج CMDQ نیز نشان داد، بیش ترین ناراحتی عضلاتی اسکلتی در ناحیه کمر و کم ترین ناراحتی در ناحیه ساعد می باشد. نتایج هم بستگی بین روش MFA و CMDQ نشان داد که بیش ترین هم بستگی در ناحیه کمر با ۵۷۴/۰Eta= و کم ترین هم بستگی در ناحیه گردن با ۲۹۴/۰Eta= بوده است.
نتیجه گیری: هم بستگی بالای بین نتایج روش MFA و CMDQ نشان داد، می توان به جای استفاده از روش CMDQ که روشی خود گزارش دهی می باشد و امکان عدم همکاری یا گزارش غیر واقعی وجود دارد، از روش MFA استفاده نمود.
واژه های کلیدی: خستگی عضله، اختلالات عضلانی اسکلتی، رانندگی خودرو
Keywords:
Authors
زهرا مرادپور
دانشگاه علوم پزشکی شاهرود
مژگان رضایی
دانشگاه علوم پزشکی شاهرود
زهرا ترابی
دانشگاه علوم پزشکی شاهرود
فریده خسروی
دانشگاه علوم پزشکی شاهرود
محمدحسین ابراهیمی
دانشگاه علوم پزشکی شاهرود
قاسم حسام
دانشگاه علوم پزشکی شهید بهشتی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :