MétaCan
Menu
Retour à la cohorte
Enregistrement W2947474415 · doi:10.1080/00140139.2019.1626491

Postural and muscular adaptations to repetitive simulated work

2019· article· en· W2947474415 sur OpenAlexafffund
Samantha E. Pritchard, Calvin T.F. Tse, Alison C. McDonald, Peter J. Keir

Notice bibliographique

RevueErgonomics · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensMcMaster University
Organismes subventionnairesAUTO21 Network of Centres of ExcellenceNatural Sciences and Engineering Research Council of Canada
Mots-clésElectromyographyPhysical medicine and rehabilitationWork (physics)TrunkKinematicsPhysical therapyElbowUpper limbUpper trunkMuscle fatigueMotor unit recruitmentMedicinePsychologyAnatomyEngineering

Résumé

récupéré en direct d'OpenAlex

Complex repetitive tasks are common in the workplace and have been associated with upper extremity disorders. The purpose of this study was to examine the progressive effects of highly repetitive work on joint kinematics and muscle activity of the trunk and upper extremity. Fifteen healthy men performed 60 one-minute cycles of 4 simulated automotive-related tasks. Electromyography of eight muscles and kinematics of the trunk and right upper extremity were collected. Data were analysed at 12-min intervals and divided into a complete work cycle. The time to complete the work cycle decreased by 6.3 s over the trials. Peak shoulder flexion decreased and peak elbow flexion increased during the work cycle. Muscle activity magnitude and variability was influenced by time during the repetitive tasks. This study found adaptations to highly repetitive but light work in only 1 h; redistributing muscle demands within the shoulder over time may reduce muscle fatigue development.Practitioner Summary: While the work was not strenuous, we were able to demonstrate muscular and postural adaptations in a single hour of simulated work. By evaluating both the whole work cycle and the sub-tasks, we aim to develop new methods for evaluating the risk of complex tasks in prolonged repetitive 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 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)0,000
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 enseignants0,304
Score d'incertitude au seuil0,263

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,247
Écart entre enseignants0,240 · 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

Citations13
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueErgonomicsMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207