MétaCan
Menu
Retour à la cohorte
Enregistrement W2069640440 · doi:10.1080/00140130410001699137

Biomechanical assessment of lateral stiffness elements in the suspension system of a backpack

2004· article· en· W2069640440 sur OpenAlexaff
Simon Reid, JM Stevenson, R. A. Whiteside

Notice bibliographique

RevueErgonomics · 2004
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Performance
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésBackpackTorsoLoad cellStructural engineeringShouldersStiffnessShear forceOrthodonticsGeologyEngineeringAnatomyMedicineSurgery

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to examine the change in load distribution characteristics associated with adding lateral stiffness elements (rods) to a rucksack (backpack). A load distribution mannequin was instrumented with two 3D load cells to allow determination of the load applied to the shoulders and upper torso independent of the load applied to the hips and lower trunk. Position and mass of the payload (25 kg) were fixed at the centre of the volume of the rucksack and held constant during all testing. It was hypothesized that lateral rods would provide a force bridge that transfers part of the vertical load of the pack from the upper back and shoulders to the hip belt thereby reducing the vertical load on the torso, and possibly reducing the horizontal reaction force that produces a shear load on the spine. Results showed that these active stiffness elements shifted 14% of the vertical load from the upper torso to the pelvic region with lumbar shear load remaining relatively unchanged for all combinations of shoulder strap and waist belt tension. The lateral rods also provided a mean increase of 12% in the extensor moment at the L3-L4 level, thus reducing some demand on the erector spinae muscles.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,060
Tête enseignante GPT0,429
Écart entre enseignants0,369 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations26
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueErgonomicsMême sujetOccupational Health and PerformanceTravaux en français237 207