Three-dimensional peak and cumulative shoulder loads and postures during non-occupational tasks: A preliminary investigation
Notice bibliographique
Résumé
BACKGROUND: In order to obtain a complete understanding of the etiology of upper extremity musculoskeletal disorders, a spectrum of risk factors needs to be evaluated, within and external to the workplace. To date, cumulative shoulder loads (forces and moments) have only been documented during automotive assembly tasks. No information on shoulder loads during non-occupational tasks has been reported. OBJECTIVE: To document 3D peak and cumulative shoulder loads and postures associated with non-occupational tasks. METHODS: Seven male (35.8 ± 15.7 years) and six female (44.0 ± 14.3 years) healthy working-aged individuals volunteered for this study. A video-based 3D posture sampling approach was used to document shoulder joint postures while participants performed non-repetitive tasks in and around their own homes over a 2-hour period. A 3D rigid link segment model was used to calculate reaction forces and moments at the shoulder. RESULTS: Peak shoulder moments approached, and in some cases exceeded, published maximum isometric strength measurements, particularly in female participants. When extrapolated to a 7-hour shift, cumulative shoulder flexion and abduction moments, cumulative reaction caudal shear forces, and the time spent in non-neutral flexion and abduction were comparable in magnitude to those reported for light automotive assembly tasks. CONCLUSIONS: Non-occupational tasks should be evaluated more widely if a complete picture of the risk of musculoskeletal injury associated with shoulder loading is to be established. More work is needed to develop threshold limits for both peak and cumulative shoulder loads to improve injury prevention strategies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».