MétaCan
Menu
Retour à la cohorte
Enregistrement W1989164091 · doi:10.5271/sjweh.746

Methodological issues in evaluating workplace interventions to reduce work-related musculoskeletal disorders through mechanical exposure reduction

2003· article· en· W1989164091 sur OpenAlexafffund
Donald C. Cole, Richard Wells, Mardy B. Frazer, Mickey Kerr, Patrick Neumann, Andrew C. Laing

Notice bibliographique

RevueScandinavian Journal of Work Environment & Health · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensUniversity of WaterlooWestern UniversityInstitute for Work & Health
Organismes subventionnairesWorkplace Safety and Insurance Board
Mots-clésPsychological interventionReduction (mathematics)Work (physics)Intervention (counseling)Set (abstract data type)Work-related musculoskeletal disordersMusculoskeletal disorderApplied psychologyHuman factors and ergonomicsPsychologyRisk analysis (engineering)Computer scienceMedicinePoison controlEngineeringEnvironmental healthNursing

Résumé

récupéré en direct d'OpenAlex

Researchers of work-related musculoskeletal disorders are increasingly asked about the evidentiary base for mechanical exposure reductions. Mixed messages can arise from the different disciplinary cultures of evidence, and these mixed messages make different sets of findings incommensurate. Interventions also operate at different levels within workplaces and result in different intensities of mechanical exposure reduction. Heterogeneity in reporting intervention processes and in measuring relevant outcomes makes the synthesis of research reports difficult. As a means of synthesizing the current understanding of measures, this paper describes a set of intervention and observation nodes for which relevant workplace indicators prior to, during, and after mechanical exposure reduction can provide useful information. On the basis of this path of impacts from exposure reduction, an approach to the evaluation of multilevel ergonomic interventions is described that can assist fellow researchers in producing evidence relevant to the challenges faced by workplace parties and policy makers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,632
Score d'incertitude au seuil0,866

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,079
Tête enseignante GPT0,415
Écart entre enseignants0,337 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations61
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScandinavian Journal of Work Environment & HealthMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207