Assessment of Joint Angle and Reach Envelope Demands Using a Video-Based Physical Demands Description Tool
Notice bibliographique
Résumé
BACKGROUND: Current methods for describing physical work demands often lack detail and format standardization, require technical training and expertise, and are time-consuming to complete. A video-based physical demands description (PDD) tool may improve time and accuracy concerns associated with current methods. METHODS: Ten simulated occupational tasks were synchronously recorded using a motion capture system and digital video. The tasks included a variety of industrial tasks from lifting to drilling to overhead upper extremity tasks of different cycle times. The digital video was processed with a novel video-based assessment tool to produce 3D joint trajectories (PDAi), and joint angle and reach envelope measures were calculated and compared between both data sources. RESULTS: Root mean squared error between video-based and motion capture posture estimated ranged from 89.0 mm to 118.6 mm for hand height and reach distance measures, and from 13.5° to 21.6° for trunk, shoulder, and elbow angle metrics. Continuous data were reduced to time-weighted bins, and video-based posture estimates showed 75% overall agreement and quadratic-weight Cohen's kappa scores ranging from 0.29 to 1.0 compared to motion capture data across all posture metrics. CONCLUSION AND APPLICATION: The substantial level of agreement between time-weighted bins for video-based and motion capture measures suggest that video-based job task assessment may be a viable approach to improve accuracy and standardization of field physical demands descriptions and minimize error in joint posture and reach envelope estimates compared to traditional pen-and-paper methods.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».