Assessment of the Relationship between Physical Working Conditions and Different Levels of Work Ability
Notice bibliographique
Résumé
Early leaving of workplace by work forces is one of the fundamental problems worldwide. Maintenance and enhancement of employees work ability are important for raising productivity. This study investigated the relationship between work ability index and physical working conditions and was carried out in 2013 on 641 workers at a manufacturing plant in Tehran. Work ability was assessed by the questionnaire of work ability index and the participants were classified into four work ability groups of poor, moderate, good, and excellent. Physical working conditions were evaluated by the MUSIC-Norrtalje questionnaire and the participants were classified into two groups with proper and poor physical working conditions. The mean score of work ability questionnaire was 42.40; and 2.5% (16 persons), 9.2% (59 persons), 38.2% (245 persons), and 50.1% (321 persons) of the participants were in poor, moderate, good, and excellent work ability groups, respectively. The mean score of physical working conditions questionnaire was 20.06. The results of logistic regression analysis showed that even after adjusting the confounding variables, a significant correlation existed between work ability and physical working conditions (p < 0.05). According to the results of this study, there may be a correlation between physical working conditions such as awkward postures, repetitive movements, load lifting, exposure to whole body vibration and so on with work ability. Therefore it seems that enhancement of the quality of physical working conditions may increase work ability.
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 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».