Cost-efficient assessment of biomechanical exposure in occupational groups, exemplified by posture observation and inclinometry
Notice bibliographique
Résumé
OBJECTIVES: This study compared the cost efficiency of observation and inclinometer assessment of trunk and upper-arm inclination in a population of flight baggage handlers, as an illustration of a general procedure for addressing the trade-off between resource consumption and statistical performance in occupational epidemiology. METHODS: Trunk and upper-arm inclination with respect to the line of gravity were assessed for three days on each of 27 airport baggage handlers using simultaneous inclinometer and video recordings. Labor and equipment costs associated with data collection and processing were tracked throughout. Statistical performance was computed from the variance components within and between workers and bias (with inclinometer assumed to produce "correct" inclination angles). The behavior of the trade-off between cost and efficiency with changed sample size, as well as with changed logistics for data collection and processing, was investigated using simulations. RESULTS: At similar total costs, time spent at trunk and arm inclination angles >60 ° as well as 90 (th)percentile arm inclination were estimated at higher precision using inclinometers, while median inclination and 90th percentile trunk inclination was determined more precisely using observation. This hierarchy remained when the study was reproduced in another population, while inclinometry was more cost-efficient than observation for all three posture variables in a scenario where data were already collected and only needed to be processed. CONCLUSIONS: When statistical performance was measured only in terms of precision, inclinometers were more cost-efficient than observation for two out of three posture metrics investigated. Since observations were biased, inclinometers consistently outperformed observation when both bias and precision were included in statistical performance. This general model for assessing cost efficiency may be used for designing exposure assessment strategies with considerations not only of statistical but also cost criteria. The empirical data provide a specific basis for planning assessments of working postures in occupational groups.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».