Feasibility of Onsite Biomechanical Analysis during Ladder Climbing
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
Injuries from falls and overexertion during ladder climbing activities are common in construction. To prevent ladder-related injuries, it is important to understand why those injuries occur. Thus, there has been significant research effort put into identifying mechanisms and causes of falls and work-related musculoskeletal disorders (WMSDs) from ladder climbing. These include epidemiological studies, studies on the mechanical aspects of ladder-related injuries, and biomechanical studies. Biomechanical analysis during ladder climbing has been implemented widely to understand the fundamental causes of ladder-related injuries in terms of musculoskeletal stresses on the human body. However, previous experimental approaches that use marker-based or IMU (Inertial Measurement Unit)-based motion capture and force transducers to collect motion and force data for biomechanical analysis are limited because of the difficulty in mimicking all of the possible situations that can happen during ladder climbing on actual worksites. To address this issue, we propose onsite biomechanical analysis for ladder-climbing activities by combining vision-based motion capture systems and force prediction models. To test the feasibility of the proposed method, we conducted a case study. As a result, we found that the method has true potential to broaden our understanding of the causes of falls from ladders and of WMSDs by estimating musculoskeletal stresses on the human body during ladder climbing without using any invasive measures.
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 | 0,009 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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