A cross-sectional survey of musculoskeletal disorder hazard exposures and self-reported discomfort among on-shore wind turbine service technicians
Notice bibliographique
Résumé
BACKGROUND: Servicing and maintaining wind turbines may expose wind turbine technicians (wind techs) to musculoskeletal disorder (MSD) hazards. We aimed to characterise MSD hazard exposures and identify work elements that should be prioritised for MSD prevention efforts. METHODS: A cross-sectional online survey methodology gathered data from 144 wind techs based on a convenience, non-probability sampling approach. The survey was developed using resources from the Ontario MSD Prevention Guideline, where cognitive interviewing yielded wind tech specific modifications. RESULTS: Climbing was the most physically demanding task, followed by torqueing/tensioning and manual materials handling (MMH). However, working in awkward and constrained postures emerged as the task most likely to cause or aggravate discomfort. CONCLUSIONS: Injecting ergonomic and human factors principles into wind turbine design should be a high priority. Re-engineering tools like torque tensioning devices may reduce MSD hazard exposures associated with tasks including torqueing/tensioning and MMH. PRACTITIONER SUMMARY: We know little about musculoskeletal disorder (MSD) hazards associated with green jobs. By surveying wind turbine technicians, we learned that MSD hazards exists, and can be addressed by better considering human factors/ergonomics principles in the design of wind turbines and the tools required for service and maintenance operations. MSD: musculoskeletal disorder; MMH: manual materials handling; Wind techs: wind turbine technicians; CRE-MSD: centre of research expertise for the prevention of musculoskeletal disorders; CanWEA: Canadiarn wind energy association; HFE: human factors/ergonomics; ASME: American Society of Mechanical Engineers; CSA: Canadian Standards Association.
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 | 0,000 |
| 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) | 0,002 | 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 ».