On-body ergonomic lifting aid: It's effectiveness, safety and user acceptability
Notice bibliographique
Résumé
T purpose of this presentation is to summarize 14 research studies involving an on-body ergonomic aid called the Personal Lift-Assist Device (PLAD). Three major questions asked were: 1) Is PLAD effective? 2) Is PLAD safe? 3) Is PLAD user-friendly? Data were collected using several different measurement tools: Liberty® electromagnetic sensors, Delsys® and Bortec® electromyography, Optotrak® position sensors, AEI Moxus® metabolic cart and subjective questionnaires. Measures of effectiveness revealed a 13.2-19.4% (p<0.05) reduction in back moments under the PLAD condition and 17-27% (p<0.05) in lumbar and thoracic EMG. During a fatiguing test, erector spinae EMG amplitudes were reduced by ~70% (p<0.001) over the No-PLAD condition. Measures of safety demonstrated that the PLAD altered the lifting technique so that lifts had less lumbar spine flexion and greater hip rotation (p<0.05). In addition, there was increased lumbar spine-hip coordination (p<0.05) and greater dynamic stability (p<0.05). In terms of user-acceptability, 83% of workers stated that they believed PLAD was effective and 67% said they would wear it for specific jobs. When energy consumption demands were evaluated, there was no significant difference between the PLAD and No-PLAD conditions indicating that the same amount of work was being done by specific leg muscles rather than the back. In conclusion, the PLAD is effective at reducing numerous risk factors and safety-related factors that are predispose workers to low back pain. It is also inexpensive, durable and suitable to many manual handling tasks including specific tasks in farming, construction, warehouse distribution, and assembly work.
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 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 | 0,001 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».