MétaCan
Menu
Retour à la cohorte
Enregistrement W2153295693 · doi:10.5271/sjweh.778

Mechanical exposure concepts using force as the agent

2004· review· en· W2153295693 sur OpenAlexafffund
Richard Wells, Dwayne Van Eerd, Göran M Hägg

Notice bibliographique

RevueScandinavian Journal of Work Environment & Health · 2004
Typereview
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensUniversity of WaterlooInstitute for Work & Health
Organismes subventionnairesNational Institute for Occupational Safety and HealthU.S. Public Health ServiceNational Institutes of HealthWorkplace Safety and Insurance BoardJohns Hopkins University
Mots-clésHazardExposure assessmentComputer scienceVariety (cybernetics)Process (computing)Risk analysis (engineering)Occupational exposureHazard analysisReliability engineeringMedicineArtificial intelligenceEngineeringEnvironmental healthBiology

Résumé

récupéré en direct d'OpenAlex

This paper presents a model that addresses mechanical exposure with regard to the development of musculoskeletal disorders, defines exposure concepts, unifies a variety of exposures, and includes the concept of human activity. When force is used as an agent, concepts related to the measurement, transformation, and interaction of the agent with tissues can be developed for use in epidemiologic exposure assessment and hazard assessment. The importance of tissue response in the exposure modeling process and in the creation of exposure indices is highlighted. Unfortunately, the response of tissue to forces of varying amplitudes and time variation patterns are largely unknown and thus reduce the possibility to develop optimal exposure assessment metrics. Although the paper argues that an exposure index at the tissue level may be the most powerful, considerations of resources and current knowledge make exposure indices based on external exposure or internal exposure preferable choices.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,004
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,042
Tête enseignante GPT0,368
Écart entre enseignants0,326 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations42
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScandinavian Journal of Work Environment & HealthMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207