MétaCan
Menu
Retour à la cohorte
Enregistrement W2755048776 · doi:10.13075/ijomeh.1896.00903

Assessment of shoulder and low back muscle activity of male kitchen workers using surface electromyography

2017· article· en· W2755048776 sur OpenAlexaff
S. Shankar, Shanmugam Murugesan, Srinivasan Jayaraman

Notice bibliographique

RevueInternational Journal of Occupational Medicine and Environmental Health · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensInstitut National de la Recherche ScientifiqueUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésElectromyographyMuscle fatigueMedicineTrapezius muscleErector spinae musclesPhysical medicine and rehabilitationPhysical therapyMuscular fatigueExertion

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: This study aims to assess muscle fatigue for kitchen workers during various tasks in a kitchen. MATERIAL AND METHODS: This study consists of 2 phases: a) surface electromyography (EMG) to determine muscle fatigue of trapezius and erector spinae muscles bilaterally for 12 healthy male volunteers during 30 min of Indian flatbread (chapati) preparation, b) self-administered questionnaire study after 30 min preparation to determine the impact on performance. RESULTS: Surface EMG results show that the right trapezius muscle had significantly higher fatigue during kneading, rolling and roasting tasks. Similarly, right erector spinae muscle showed significantly higher fatigue during rolling and roasting tasks. CONCLUSIONS: Both phases of the study conclude that, even though the dynamic postural adjustment may reduce fatigue during the work schedule; the combination of risk factors like the repetitive task, forceful exertion and prolonged standing during working results in a high risk of developing muscle fatigue. Int J Occup Med Environ Health 2018;31(1):81-90.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,302

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,397
Écart entre enseignants0,356 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations10
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Occupational Medicine and Environmental HealthMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207