How compatible are participatory ergonomics programs with occupational health and safety management systems?
Notice bibliographique
Résumé
OBJECTIVES: Musculoskeletal disorders (MSD) are a major cause of pain, disability, and costs. Prevention of MSD at work is frequently described in terms of implementing an ergonomics program, often a participatory ergonomics (PE) program. Most other workplace injury prevention activities take place under the umbrella of a formal or informal occupational health and safety management system (OHSMS). This study assesses the similarities and differences between OHSMS and PE as such knowledge could help improve MSD prevention activities. Methods Using the internationally recognized Occupational Health and Safety Assessment Series (OHSAS 18001), 21 OHSMS elements were extracted. In order to define PE operationally, we identified the 20 most frequently cited papers on PE and extracted content relevant to each of the OHSAS 18001 elements. RESULTS: The PE literature provided a substantial amount of detail on five elements: (i) hazard identification, risk assessment and determining controls; (ii) resources, roles, responsibility, accountability, and authority; (iii) competence, training and awareness; (iv) participation and consultation; and (v) performance measurement and monitoring. However, of the 21 OHSAS elements, the PE literature was silent on 8 and provided few details on 8 others. CONCLUSIONS: The PE literature did not speak to many elements described in OHSMS and even when it did, the language used was often different. This may negatively affect the effectiveness and sustainability of PE initiatives within organizations. It is expected that paying attention to the approaches and language used in management system frameworks could make prevention of MSD activities more effective and sustainable.
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) | 0,001 | 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 ».