Posture analysis of lifting a load for head carriage and comparison between pregnant and non-pregnant women
Notice bibliographique
Résumé
BACKGROUND: In Western Africa, women continue performing heavy physical work that includes carrying loads on their heads during pregnancy. Women may adapt to pregnancy related body changes by modifying their postures to perform such tasks. OBJECTIVE: The objectives of this biomechanical task analysis study were to 1) determine sagittal plane postures of the trunk and upper extremities at specific events during the task of lifting and lowering a load to be carried on the head, 2) compare postures of pregnant and non-pregnant participants, 3) evaluate risk for musculo-skeletal disorders (MSD) with the rapid entire body assessment (REBA) criteria. PARTICIPANTS: Twenty-six pregnant (26 ± 5 years, 159 ± 9 cm, 63 ± 15 kg, 25 ± 9 weeks of pregnancy) and 25 paired non-pregnant retail merchants were recruited in Porto-Novo (Benin). METHODS: Participants were recorded on video in a laboratory setting while they lifted a tray (20% body weight) from a stool to their head and then put it back down. Trunk inclination and knee, shoulder and elbow flexion angles were determined using Dartfish® software. RESULTS: The trunk was bent by more than 80° at pick-up and set-down and knees were moderately flexed, significantly less (< 11°) for pregnant women, possibly because it was harder to lift the trunk, or for stability. For all postures analysed, the majority of trials were classified as "high" risk or "very high risk" for MSD. CONCLUSIONS: Future research should investigate prevalence of MSDs in this population to confirm the results of this study.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».