0440 Shoulder repetitiveness exposure threshold detection using adjusted hazard multivariate parametric modelling for cumulative trauma disorders (ctd) prevention and causal assessment
Notice bibliographique
Résumé
Background Cumulative-Trauma Disorders are major loss causes in labour environments through the world, but few is known about quantitative workload exposure limits. The aim of this research was to define shoulder repetitiveness exposure threshold by assessing the risk of rotator cuff, biceps and bursal injuries in a cohort of workers. Methods A retrospective cohort study was assembled with workers from different positions. Inclusion/exclusion criteria were rigorously applied. Clinical variables were extracted from each worker clinic history; dependent variable was obtained using NMR, ultrasound and/or surgical reports. Shoulders workload was assessed independently getting cumulative exposure time to repetitive motions adjusting by rest/break periods and other covariates, controlling confusing effects. The exposure threshold was acquired using the ”David´s cheese bread” method with an adjusted multivariate Weibull regression modelling, previously adopting Akaike Criterion. A Huber’s M-estimator was performed warranting robust estimators for correcting both shoulders non-completely independent measures (two shoulders by worker). Final model was built according with Hosmer-Lemeshow-May´s covariates purposeful selection principles. Findings/conclusions 328 workers (656 shoulders) were included (95,8% sample power). At following-end, following span median was 21.6 years, age median was 42 years, 60% were women, 85% had non-university academic level and 77% had non-administrative positions. Age, handedness, academic level, work type and mood disorders were proved as significant or as confounding covariates within the final model. Cumulative 4 × 103 effective working hours for shoulder repetitiveness exposure was established as threshold with adjusted HRR=1.93 (95%CI 1.04–3.59). No worker should be exposed more than that threshold in order to eliminate shoulder´s CTD.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,005 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».