MétaCan
Menu
Retour à la cohorte
Enregistrement W3048145026 · doi:10.1177/0018720820940536

Exploring Localized Muscle Fatigue Responses at Current Upper-Extremity Ergonomics Threshold Limit Values

2020· article· en· W3048145026 sur OpenAlexaff
Daniel M. Abdel-Malek, Ryan C. A. Foley, Fahima Wakeely, Jeffrey D. Graham, Nicholas J. La Delfa

Notice bibliographique

RevueHuman Factors The Journal of the Human Factors and Ergonomics Society · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensMcMaster UniversityOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésBicepsIsometric exerciseWorkloadPhysical medicine and rehabilitationMuscle fatigueElectromyographyWork (physics)Elbow flexionElbowPhysical therapyMedicineSimulationPsychologyComputer scienceSurgeryEngineering

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The purpose of this study was to evaluate localized muscle fatigue responses at three upper-extremity ergonomics threshold limit value (TLV) duty cycles. BACKGROUND: Recently, a TLV equation was published to help mitigate excessive development of localized muscle fatigue in repetitive upper limb tasks. This equation predicts acceptable levels of maximal voluntary contraction (% MVC) for a given duty cycle (DC). Experimental validation of this TLV curve has not yet been reported, which can help guide utilization by practitioners. METHOD: Eighteen participants performed intermittent isometric elbow flexion efforts, in three separate counter-balanced sessions, at workloads defined by the American Conference of Governmental Industrial Hygenists' (ACGIH) TLV equation: low DC (20% DC, 29.6% MVC), medium DC (40% DC, 19.7% MVC), and high DC (60% DC, 13.9% MVC). Targeted localized muscle fatigue (LMF) of the biceps brachii was tracked across numerous response variables, including decline in strength (MVC), electromyography (EMG) amplitude and mean power frequency (MnPF), and several psychophysical ratings. RESULTS: At task completion, biceps MnPF and MVC (strength) were significantly different between each TLV workload, with the high DC condition eliciting the largest declines in MnPF and MVC. CONCLUSION: Findings demonstrate that working at different DCs along the ACGIH TLV curve may not be equivalent in preventing excessive LMF. Higher DC workloads elicited a greater LMF response across several response variables. APPLICATION: High DC work of the upper extremity should be avoided to mitigate excess LMF development. Current TLVs for repetitive upper-extremity work may overestimate acceptable relative contraction thresholds, particularly at higher duty cycles.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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)0,0010,000

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 Opus0,133
Tête enseignante GPT0,270
Écart entre enseignants0,137 · 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'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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman Factors The Journal of the Human Factors and Ergonomics SocietyMême sujetMuscle activation and electromyography studiesTravaux en français237 207