The Effect of Chair Designs on Sitting Pressure Distribution and Tissue Perfusion
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to investigate the effect of five chair designs on interface pressure distribution and tissue perfusion in the buttock-thigh region. BACKGROUND: Prolonged sitting has been found to contribute to the symptoms of work-related low back pain. Studies have found that chair design affects users' sitting posture and comfort. As sitting applies pressure to the user, it is necessary to investigate how chair design affects sitting pressure and tissue perfusion during sitting. METHOD: We tested five chair designs (Suspension A, Suspension B, Foam A, Foam B, and bicompliant) on 15 young, healthy females. Sitting interface pressure and buttock-thigh tissue perfusion (in terms oftranscutaneous partial pressure of oxygen and carbon dioxide, tcPO2 and tcPCO2, respectively) were measured during 10-min sitting on each chair. RESULTS: We found that chair design significantly affected the distribution of the sitting pressure (p < .001) and buttock-thigh tissue perfusion (p < .023). Average pressure and total contact area were found highest in both foam designs, and the average pressure was the lowest in one of the suspension designs. Across all tested chair designs, the anterior portion of the seat sustained the lowest contact pressure. It was also found that tcPO2 was the lowest (p < .003) and tcPCO2 was the highest (p < .001) in tissue around ischial tuberosity for all chair designs. CONCLUSION: Chair design and materials of the seat significantly affect the sitting interface pressure distribution and tissue perfusion in sitting area. Further evaluation of these outcomes may provide useful information to correlate chair design with sitting comfort.
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 | 0,002 | 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».