MétaCan
Menu
Retour à la cohorte
Enregistrement W2419166878 · doi:10.1139/apnm-2016-0003

Towards best practice in physical and physiological employment standards

2016· review· en· W2419166878 sur OpenAlexaffvenue
Stewart R. Petersen, Gregory S. Andérson, Mike Tipton, David Docherty, Terry E. Graham, Brian J. Sharkey, Nigel A. S. Taylor

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2016
Typereview
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Performance
Établissements canadiensUniversity of GuelphUniversity of VictoriaRoyal Columbian HospitalUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésWork (physics)TerminologyScope (computer science)Risk analysis (engineering)Quality (philosophy)Best practiceScientific evidenceBusinessPsychologyApplied psychologyComputer scienceEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

While the scope of the term physical employment standards is wide, the principal focus of this paper is on standards related to physiological evaluation of readiness for work. Common applications of such employment standards for work are in public safety and emergency response occupations (e.g., police, firefighting, military), and there is an ever-present need to maximize the scientific quality of this research. Historically, most of these occupations are male-dominated, which leads to potential sex bias during physical demands analysis and determining performance thresholds. It is often assumed that older workers advance to positions with lower physical demand. However, this is not always true, which raises concerns about the long-term maintenance of physiological readiness. Traditionally, little attention has been paid to the inevitable margin of uncertainty that exists around cut-scores. Establishing confidence intervals around the cut-score can reduce for this uncertainty. It may also be necessary to consider the effects of practise and biological variability on test scores. Most tests of readiness for work are conducted under near perfect conditions, while many emergency responses take place under far more demanding and unpredictable conditions. The potential impact of protective clothing, respiratory protection, load carriage, environmental conditions, nutrition, fatigue, sensory deprivation, and stress should also be considered when evaluating readiness for work. In this paper, we seek to establish uniformity in terminology in this field, identify key areas of concern, provide recommendations to improve both scientific and professional practice, and identify priorities for future research.

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)0,295
score de la tête « metaresearch » (Gemma)0,374
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,295
Score d'incertitude au seuil0,869

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2950,374
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0130,009
Études des sciences et des technologies0,0050,016
Communication savante0,0220,020
Science ouverte0,0140,018
Intégrité de la recherche0,0180,031
Charge utile insuffisante (le modèle a refusé de juger)0,0050,005

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 Opus0,097
Tête enseignante GPT0,485
Écart entre enseignants0,388 · 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.

Devis d'étudeRevue systématique
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

Citations56
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and MetabolismMême sujetOccupational Health and PerformanceTravaux en français237 207