MétaCan
Menu
Retour à la cohorte
Enregistrement W2759707877

Efficacy of powered mechanical lifting devices to minimize loads to the lower back

2001· dissertation· en· W2759707877 sur OpenAlexfundno aff
Pasqualina Santaguida

Notice bibliographique

RevueTSpace (University of Toronto) · 2001
Typedissertation
Langueen
DomaineEnergy
ThématiqueMechanical Systems and Engineering
Établissements canadiensnon disponible
Organismes subventionnairesHealth Canada
Mots-clésAutomotive engineeringEngineeringMechanical engineeringStructural engineeringComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Mechanical lifting devices (MELD) are recommended as an important intervention for reducing lifting injuries among nursing personnel. The literature evaluating MLD suggests that spinal loads are not minimized for all device types. A laboratory study was undertaken to evaluate the efficacy (or ability to minimize spinal loads) of powered MLD with respect to: (1) spinal compression forces relative to the NIOSH Action Limit of 3400 N, (2) literature estimates of spinal loads sustained while performing the transfer task manually (one-person/two person), and (3) a standard device, Hoyer lift. The primary outcomes of the study were spinal compression, anterior shear (across different loading conditions), and ratings of perceived exertion (RPE). An Extra-Period Latin Square design was employed to evaluate five powered MLD (three Floor and two Overhead types) and five registered Nurses while performing the heavy transfer task, from bed to chair. A single patient subject was selected and trained to remain passive throughout the transfer task (simulating a totally passive patient). Three dimensional position data (OPTOTRAK) and ground reaction forces (AMTI forceplates) were inputs for the spinal model. An inverse dynamic approach was used to calculate the net joint forces and moments about the L5/S1 spinal level. The transfer was partitioned into seven distinct phases for biomechanical analysis. The within Nurse test-re-test reliability for the compression outcomes was high for the majority of phases and loading conditions indicating the nurse was consistent in performing the transfer task. The NIOSH limit was exceeded for 20% of the trials and all Nurses exceeded the limit with the use of Floor MLD. The mean compression values were lower than reported estimates of performing this transfer manually, suggesting that MLD are efficacious. Efficacy with respect to a standard device varied as a function of the phase of the transfer. In general, Overhead Devices were found to be efficacious relative to the standard and had decreased forces for the whole transfer. Floor devices were efficacious for some outcomes in some phases of the transfer task. The results of this study have implications for the use and selection of MLD as part of a strategy to reduce back injuries.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0060,001

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,237
Écart entre enseignants0,222 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpace (University of Toronto)Même sujetMechanical Systems and EngineeringTravaux en français237 207