Reducing lumbar spine flexion using real-time biofeedback during patient handling tasks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Patient handling activities require caregivers to adopt postures that increase the risk of back injury. Training programs relying primarily on didactic methods have been shown to be ineffective at reducing this risk. The use of real-time biofeedback has potential as an alternative training method. OBJECTIVE: To investigate the effect of real-time biofeedback on time spent by caregivers in end-range lumbar spine flexion. METHODS: Novice participants were divided into intervention (n = 10) and control (n = 10) groups and were asked to perform a set of simulated care activities eight times on two consecutive days. Individuals in the intervention group watched a training video on safer movement strategies and received real-time auditory feedback from a wearable device (PostureCoach) in four training trials whenever their lumbar spine flexion exceeded a threshold (70% of maximum flexion). Changes in end-range lumbar spine flexion were compared between groups and across trials. RESULTS: Participants in the intervention group saw reductions in end-range lumbar spine flexion during the simulated patient handling tasks at the end of the training compared to their baseline trials while there was no change for the control group. CONCLUSIONS: The training program including PostureCoach has the potential to help caregivers learn to use safer postures that reduce the risk of back injury.
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.
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 | 0,000 |
| 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 découle