Stooped Postures Are Modified by Pretask Walking in a Simulated Weed-Pulling Task
Notice bibliographique
Résumé
Seasonal agricultural workers are hired in some sectors for intermittent manual weed removal, a stoop and grasp harvesting task likely similar to those associated with the high prevalence of musculoskeletal disorders in agriculture. Evaluation of this task in an experimental situation would be useful for identifying and controlling musculoskeletal injury risks, presuming a valid experimental model of the task can be created. The purpose of the present study was to examine how a relevant work-related task, namely prolonged walking, altered the biomechanics of manual weed removal in a laboratory setting. Preliminary field assessments informed the development and analysis of a simulated manual weed removal with two separate conditions: not primed, where 11 participants (4 female, mean age 21.6 years) manually removed a simulated weed six times, and primed, where 23 participants (13 female, mean age 22.1 years) walked 1600 m prior to manually removing the same simulated weed six successive times. Segment end point markers and experimental motion capture were used to determine hip, knee, and ankle angles, as well as toe-target proximity, during weed removal. Significant differences between primed and not primed participants were found for angular displacement at the ankle (t(32) = 5.08, P < .001) and toe-target proximity (t(32) = 2.78, P = .008), where primed participants had increased ankle flexion and a greater distance to the weed, leading to decreased trunk flexion during the harvesting task. These findings suggest that priming can positively influence whole-body postures for manual weed removal.
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 | 0,000 |
| 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 ».