ERGONOMIC EDUCATION – A TOOL TO MAINTAIN HEALTH
Notice bibliographique
Résumé
Objective : To identify the occurrence of leg pain amongst computer users and assess its relation to age, sex, occupation and duration of computer use. Methodology : It was a cross sectional study conducted from January till December 2011. A self reported questionnaire tailored with Occupational Health and Safety Act of the Ministry of Labor, Ontario, Canada was used. Participants were randomly selected; responses analyzed by SPSS software version 15. Chi square test was applied to results and considered significant with p value <0.05 Results : A total of 416 participants responded with mean age of 34.87±8.78 years. There were 231(55.5 %) males. Out of 416, 123(29.5%) participants had work related leg symptoms [66(15.8%) male and 57 (13.7%) female]. Occurrence of leg pain within one to two hours of consecutive work was significantly more in 26-35 and 36-45 year age groups. Postural changes incorporated through frequent short breaks improved leg symptoms in between eight to nine out of ten participants (104/123). The improvement was significantly more in 26-35 and 36-45 year age groups. Leg symptoms showed no relation with the length of computer usage or daily usage or between both sex and working groups. Conclusion : Leg pain/tingling/numbness is an early sign of repetitive injuries that can be timely addressed by ergonomic education and improving postural health through short breaks.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».