An evaluation of predictive methods for estimating cumulative spinal loading
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The focus of this study was to assess the amount of error present in several approaches that have been commonly used to estimate the cumulative spinal loading during manual materials handling tasks. Three male subjects performed three sagittal plane lifting tasks of varying loads and postural requirements. Video recordings of the tasks were digitized and a biomechanical model was used to calculate the spinal loading (compression, joint shear, reaction shear, and flexion/extension moment) at L4/L5 for each frame of data. The 'gold standard' for cumulative loading experienced by the subjects was obtained by integrating the resultant biomechanical model outputs for the entire lifting cycle. Five approaches that quantify cumulative spinal loading, four that use discrete measures and one that reduces the number of frames used (5 Hz), were used and compared with the gold standard. The four methods using discrete measures to quantify the cumulative demands of a task resulted in substantial errors (average error across task and subjects was 27-69%). Reducing the number of frames of data processed to 5 frames/s preserved the time varying information and was the only approach examined that did not induce significant error into the cumulative loading estimates. This study indicates that errors in cumulative spinal loading estimates can be large depending upon the approach used, which will hinder any progress in developing a dose-response link between cumulative exposure and an increased risk of low-back pain or injury.
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.
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 | 0,001 |
| 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 | 0,000 | 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 découle