Validity of Wearable Sensors at the Shoulder Joint: Combining Wireless Electromyography Sensors and Inertial Measurement Units to Perform Physical Workplace Assessments
Notice bibliographique
Résumé
Background: Workplace adaptation is the preferred method of intervention to diminish risk factors associated with the development of work-related shoulder disorders. However, the majority of the workplace assessments performed are subjective (e.g., questionnaires). Quantitative assessments are required to support workplace adaptations. The aims of this study are to assess the concurrent validity of inertial measurement units (IMUs; MVN, Xsens) in comparison to a motion capture system (Vicon) during lifting tasks, and establish the discriminative validity of a wireless electromyography (EMG) system for the evaluation of muscle activity. Methods: Sixteen participants performed 12 simple tasks (shoulder flexion, abduction, scaption) and 16 complex lifting tasks (lifting crates of different weights at different heights). A Delsys Trigno EMG system was used to record anterior and middle deltoids’ EMG activity, while the Xsens and Vicon simultaneously recorded shoulder kinematics. Results: For IMUs, correlation coefficients were high (simple task: >0.968; complex task: >0.84) and RMSEs were low (simple task: <6.72°; complex task: <11.5°). For EMG, a significant effect of weight, height and a weight x height interaction (anterior: p < 0.001; middle: p < 0.03) were observed for RMS EMG activity. Conclusions: These results suggest that wireless EMG and IMUs are valid units that can be used to measure physical demand in workplace assessments.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».